Magazinimi i të dhënave dhe planifikimi i burimeve të ndërmarrjes | DWH dhe ERP

ARKIVI DATA QENDRORE : HISTORIA ED EVOLUCIONI

Dy temat mbizotëruese të teknologjisë së korporatave në vitet 90 ishin i magazina e të dhënave dhe ERP. Për një kohë të gjatë, këto dy rryma të fuqishme kanë qenë pjesë e IT-së së korporatës pa pasur kurrë një kryqëzim. Ishte thuajse sikur të ishin materie dhe antimaterie. Por rritja e të dy dukurive ka çuar në mënyrë të pashmangshme në kryqëzimin e tyre. Sot kompanitë po përballen me problemin se çfarë të bëjnë me ERP dhe magazina e të dhënave. Ky artikull do të shpjegojë se cilat janë problemet dhe si trajtohen ato nga kompanitë.

NË FILLIM…

Në fillim ka qenë magazina e të dhënave. Magazina e të dhënave lindi për të kundërshtuar sistemin e aplikimit të përpunimit të transaksioneve. Në ditët e para memorizimi i dati ishte menduar të ishte vetëm një kundërvënie ndaj aplikacioneve të përpunimit të transaksioneve. Por në ditët e sotme ka vizione shumë më të sofistikuara të asaj që a magazina e të dhënave. Në botën e sotme, magazina e të dhënave ai futet brenda një strukture që mund të quhet Fabrika e Informacionit të Korporatës.

FABRIKA E INFORMACIONIT TË KORPORATËS (CIF)

Fabrika e Informacionit të Korporatës ka komponentë standardë arkitekturorë: një shtresë e integrimit dhe transformimit të kodit që integron i dati nderkohe une dati ato lëvizin nga mjedisi i aplikacionit në mjedisin e magazina e të dhënave të kompanisë; a magazina e të dhënave të kompanisë ku dati historianë të detajuar dhe të integruar. Të magazina e të dhënave i ndërmarrjes shërben si themel mbi të cilin mund të ndërtohen të gjitha pjesët e tjera të mjedisit magazina e të dhënave; një dyqan të dhënash operacionale (ODS). Një ODS është një strukturë hibride që përmban disa aspekte të magazina e të dhënave dhe aspekte të tjera të një mjedisi OLTP; data marts, ku departamente të ndryshme mund të kenë versionin e tyre të magazina e të dhënave; a magazina e të dhënave eksplorim ku mendimtarët e kompanisë mund të paraqesin pyetjet e tyre 72-orëshe pa asnjë efekt të dëmshëm në magazina e të dhënave; dhe një memorie afër linjës, në të cilën dati e vjetër dhe dati Detajet me shumicë mund të ruhen me çmim të lirë.

KU KOMBINOHET ERP ME FABRIKE INFORMACIONI KORPORATËS

ERP bashkohet me Fabrikën e Informacionit të Korporatës në dy vende. Kryesisht si një aplikacion bazë që ofron i dati të aplikimit për magazina e të dhënave. Në këtë rast i dati, të krijuara si një nënprodukt i një procesi transaksioni, integrohen dhe ngarkohen në magazina e të dhënave të kompanisë. Lidhja e dytë midis ERP dhe CIF është ODS. Në të vërtetë, në shumë mjedise ERP përdoret si një ODS klasik.

Në rast se ERP përdoret si aplikacion bazë, i njëjti ERP mund të përdoret edhe në CIF si ODS. Në çdo rast, nëse ERP do të përdoret në të dy rolet, duhet të ketë një dallim të qartë midis dy entiteteve. Me fjalë të tjera, kur ERP luan rolin e aplikimit bazë dhe ODS, duhet të dallohen dy entitetet arkitekturore. Nëse një implementim i vetëm i një ERP përpiqet të përmbushë të dyja rolet njëkohësisht, në mënyrë të pashmangshme do të ketë probleme në hartimin dhe zbatimin e atij kuadri.

ODS TË VEÇANË DHE APLIKACIONET THEMELORE

Ka shumë arsye që çojnë në ndarjen e komponentëve arkitekturorë. Ndoshta pika më e dukshme në ndarjen e komponentëve të ndryshëm të një arkitekture është se çdo komponent i arkitekturës ka pikëpamjen e vet. Aplikimi bazë shërben për një qëllim të ndryshëm nga ODS. Provoni të mbivendosni

një pamje bazë e aplikimit në botën e një ODS ose anasjelltas nuk është një mënyrë e drejtë për të punuar.

Rrjedhimisht, problemi i parë i një ERP në CIF është të verifikojë nëse ka një dallim midis aplikacioneve bazë dhe ODS.

MODELET E TË DHËNAVE NË KORPORATË FABRIKE INFORMACIONI

Për të arritur kohezionin ndërmjet komponentëve të ndryshëm të arkitekturës CIF, duhet të ekzistojë një model i dati. Modelet e dati ato shërbejnë si një lidhje midis komponentëve të ndryshëm të arkitekturës, siç janë aplikacionet bazë dhe ODS. Modelet e dati ato bëhen “harta rrugore intelektuale” për të marrë kuptimin e duhur nga komponentët e ndryshëm arkitekturorë të CIF.

Duke ecur dorë për dore me këtë nocion, ideja është se duhet të ketë një model të madh dhe të vetëm dati. Natyrisht duhet të ketë një model të dati për secilin nga komponentët dhe për më tepër duhet të ketë një rrugë të ndjeshme që lidh modelet e ndryshme. Çdo komponent i arkitekturës – ODS, aplikacionet bazë, magazina e të dhënave të kompanisë, e kështu me radhë.. – ka nevojë për modelin e vet të dati. Dhe kështu duhet të ketë një përkufizim të saktë se si këto modele dati ndërlidhen me njëra-tjetrën.

LËVIZI I DATA E ERP-së ​​NË TË DHËNA WAREHOUSE

Nëse origjina e dati është një aplikim bazë dhe/ose një ODS, kur ERP fut i dati në magazina e të dhënave, kjo futje duhet të bëhet në nivelin më të ulët të "granularitetit". Thjesht përmbledh ose përmbledh i dati pasi ato dalin nga aplikacioni bazë ERP ose ERP ODS nuk është gjëja e duhur për t'u bërë. THE dati nevojiten detaje në magazina e të dhënave për të formuar bazën e procesit DSS. Të tillë dati ato do të riformohen në shumë mënyra nga të dhënat dhe eksplorimi magazina e të dhënave.

Lëvizja e dati nga mjedisi i aplikimit bazë ERP në magazina e të dhënave e kompanisë është bërë në një mënyrë të arsyeshme të relaksuar. Kjo lëvizje ndodh afërsisht 24 orë pas përditësimit ose krijimit në ERP. Fakti i të pasurit një lëvizje "dembele" të dati në magazina e të dhënave të kompanisë lejon dati që vijnë nga ERP për të "zgjidhur". Një herë i dati ruhen në aplikacionin bazë, atëherë mund ta lëvizni me siguri dati të ERP-së ​​në ndërmarrje. Një tjetër synim që mund të arrihet falë lëvizjes "dembele" të dati është përcaktimi i qartë ndërmjet proceseve operacionale dhe DSS. Me një lëvizje "të shpejtë" të dati linja midis DSS dhe operacionit mbetet e paqartë.

Lëvizja e dati nga ODS e ERP në magazina e të dhënave i kompanisë bëhet në mënyrë periodike, zakonisht javore ose mujore. Në këtë rast lëvizja e dati bazohet në nevojën për të “pastruar” të vjetrat dati historianët. Natyrisht, ODS përmban i dati të cilat janë shumë më të reja se dati historianët gjetën në magazina e të dhënave.

Lëvizja e dati në magazina e të dhënave pothuajse asnjëherë nuk bëhet “me shumicë” (në mënyrë shumicë). Kopjoni një tabelë nga mjedisi ERP në magazina e të dhënave kjo nuk ka kuptim. Një qasje shumë më realiste është lëvizja e njësive të zgjedhura të dati. Vetëm të dati të cilat kanë ndryshuar që nga përditësimi i fundit i magazina e të dhënave janë ato që duhet të zhvendosen në magazina e të dhënave. Një mënyrë për të ditur se cilat dati kanë ndryshuar që kur përditësimi i fundit është për të parë vulat kohore të dati gjendet në mjedisin ERP. Projektuesi zgjedh të gjitha ndryshimet që kanë ndodhur që nga përditësimi i fundit. Një qasje tjetër është përdorimi i teknikave të kapjes së ndryshimeve dati. Me këto teknika analizohen regjistrat dhe shiritat e ditarit për të përcaktuar se cilat prej tyre dati duhet të zhvendoset nga mjedisi ERP në atë të magazina e të dhënave. Këto teknika janë më të mira pasi regjistrat dhe kasetat e ditarit mund të lexohen nga skedarët ERP pa efekte të mëtejshme në burimet e tjera ERP.

KOMPLIKIME TE TJERA

Një nga problemet ERP në CIF është ajo që ndodh me burimet e tjera të aplikacionit ose ai dati e ODS ku ata duhet të kontribuojnë magazina e të dhënave por ato nuk janë pjesë e mjedisit ERP. Duke pasur parasysh natyrën e mbyllur të ERP, veçanërisht SAP, duke u përpjekur të integrojë çelësat nga burime të jashtme të dati me une dati që vijnë nga ERP në momentin e lëvizjes i dati në magazina e të dhënave, është një sfidë e madhe. Dhe cilat janë saktësisht probabilitetet që i dati i aplikacioneve ose ODS jashtë mjedisit ERP do të integrohen në magazina e të dhënave? Shanset janë në fakt shumë të larta.

GJEJ DATA HISTORIK NGA ERP

Një problem tjetër me i dati e ERP është ajo që rrjedh nga nevoja për të pasur dati historianët brenda magazina e të dhënave. Zakonisht të magazina e të dhënave nevojat dati historianët. Dhe teknologjia ERP zakonisht nuk i ruan këto dati historike, të paktën jo në masën që është e nevojshme në magazina e të dhënave. Kur një sasi e madhe e dati regjistrat fillojnë të shtohen në mjedisin ERP, ai mjedis duhet të pastrohet. Për shembull, supozoni një magazina e të dhënave duhet të ngarkohet me pesë vjet të dati historike ndërsa ERP mban një maksimum prej gjashtë muajsh nga këto dati. Për sa kohë që kompania është e kënaqur për të mbledhur një numër të dati historike me kalimin e kohës, atëherë nuk ka asnjë problem duke përdorur ERP si një burim për magazina e të dhënave. Por kur magazina e të dhënave duhet të kthehet në kohë dhe të marrë perëndi dati të dhënat që nuk janë mbledhur dhe ruajtur më parë nga ERP, atëherë mjedisi ERP bëhet joefikas.

ERP DHE METADATA

Një konsideratë tjetër për të bërë në lidhje me ERP e magazina e të dhënave është ai mbi metadatat ekzistuese në mjedisin ERP. Ashtu si meta të dhënat lëvizin nga mjedisi ERP në magazina e të dhënave, meta të dhënat duhet të zhvendosen në të njëjtën mënyrë. Përveç kësaj, meta të dhënat duhet të transformohen në formatin dhe strukturën e kërkuar nga infrastruktura magazina e të dhënave. Ekziston një ndryshim i madh midis meta të dhënave operacionale dhe meta të dhënave DSS. Metadatat operacionale janë kryesisht për zhvilluesin dhe për

programues. Metadatat DSS janë kryesisht për përdoruesin fundor. Meta të dhënat ekzistuese në aplikacionet ERP ose ODS duhet të konvertohen dhe ky konvertim nuk është gjithmonë i lehtë dhe i drejtpërdrejtë.

BURIMIMI I TË DHËNAVE ERP

Nëse ERP përdoret si furnizues i dati për magazina e të dhënave duhet të ketë një ndërfaqe solide që lëviz i dati nga mjedisi ERP në mjedis magazina e të dhënave. Ndërfaqja duhet:

• ▪ të jetë i lehtë për t'u përdorur
• ▪ lejo qasjen në dati të ERP-së
• ▪ merr kuptimin e dati të cilat po zhvendosen në magazina e të dhënave
• ▪ njohin kufizimet e ERP-së ​​që mund të lindin kur qaseni në dati i ERP:
• ▪ integriteti referues
• ▪ marrëdhëniet hierarkike
• ▪ marrëdhënie logjike të nënkuptuara
• ▪ Konventa e aplikimit
• ▪ të gjitha strukturat e dati mbështetur nga ERP, dhe kështu me radhë…
• ▪ të jetë efikas në akses dati, duke ofruar:
• ▪ lëvizja e drejtpërdrejtë e dati
• ▪ përvetësimi i ndryshimit dati
• ▪ mbështet qasjen në kohë dati
• ▪ të kuptojë formatin e dati, e kështu me radhë… NDËRFAQJA ME SAP Ndërfaqja mund të jetë e dy llojeve, e rritur në shtëpi ose komerciale. Disa nga ndërfaqet kryesore tregtare përfshijnë:

• ▪ SAS
• ▪ Prime Solutions
• ▪ D2k, e kështu me radhë… TEKNOLOGJI E SHUMËFISHTA ERP Trajtimi i mjedisit ERP sikur të ishte një teknologji e vetme është një gabim i madh. Ka shumë teknologji ERP, secila me pikat e saj të forta. Shitësit më të njohur në treg janë:

• ▪ SAP
• ▪ Oracle Financials
• ▪ PeopleSoft
• JD Edwards
• ▪ Baans SAP SAP është softueri më i madh dhe më gjithëpërfshirës ERP. Aplikacionet SAP përfshijnë shumë lloje aplikacionesh në shumë fusha. SAP ka një reputacion për të qenë:

• ▪ shumë i madh
• ▪ shumë i vështirë dhe i kushtueshëm për t'u zbatuar
• ▪ ka nevojë për shumë njerëz dhe konsulentë për të zbatuar
• ▪ ka nevojë për njerëz të specializuar për zbatimin
• ▪ ka nevojë për shumë kohë për të zbatuar Gjithashtu SAP ka një reputacion për memorizimin e tij dati nga afër, duke e bërë të vështirë për dikë jashtë zonës SAP qasjen në to. Fuqia e SAP është se është në gjendje të kapë dhe të ruajë një sasi të madhe dati. SAP kohët e fundit njoftoi synimin e saj për të zgjeruar aplikimet e saj në magazina e të dhënave. Ka shumë pro dhe kundër përdorimit të SAP si shitës magazina e të dhënave. Një avantazh është se SAP është instaluar tashmë dhe shumica e konsulentëve janë tashmë të njohur me SAP.
  Disavantazhet e të pasurit SAP si furnizues i magazina e të dhënave janë shumë: SAP nuk ka përvojë në botën e magazina e të dhënave Nëse SAP është furnizuesi i magazina e të dhënave, është e nevojshme të "nxjerrim" i dati nga SAP në magazina e të dhënave. Dato historiku i një sistemi të mbyllur të një SAP, nuk ka gjasa të jetë e lehtë të merret i nga SAP në të (???). Ka shumë mjedise të vjetra që fuqizojnë SAP-in, si IMS, VSAM, ADABAS, ORACLE, DB2, etj. SAP insiston në një qasje "jo të shpikur këtu". SAP nuk dëshiron të bashkëpunojë me shitës të tjerë për të përdorur ose krijuar magazina e të dhënave. SAP insiston që të gjenerojë vetë të gjithë softuerin e vet.

Megjithëse SAP është një kompani e madhe dhe e fuqishme, fakti i përpjekjes për të rishkruar teknologjinë e ELT, OLAP, administrimin e sistemit dhe madje edhe bazën e kodit të dbms është thjesht çmenduri. Në vend që të mbani një qëndrim bashkëpunues me furnitorët magazina e të dhënave Prej kohësh, SAP ka ndjekur qasjen që ata "e dinë më mirë". Ky qëndrim pengon suksesin që mund të kishte SAP në fushën e magazina e të dhënave.
Refuzimi i SAP-it për të lejuar shitësit e jashtëm që t'i qasen menjëherë dhe me hijeshi të tyret dati. Vetë thelbi i përdorimit të a magazina e të dhënave ka qasje të lehtë në dati. E gjithë historia e SAP bazohet në vështirësinë e aksesit dati.
Mungesa e përvojës së SAP në trajtimin e vëllimeve të mëdha të dati; ne fushen e magazina e të dhënave ka vëllime të dati nuk shihet kurrë nga SAP dhe për të trajtuar këto sasi të mëdha dati ju duhet të keni teknologjinë e duhur. SAP me sa duket nuk është në dijeni të kësaj pengese teknologjike që ekziston për të hyrë në fushën e magazina e të dhënave.
Kultura korporative e SAP: SAP ka ndërtuar një biznes në marrjen e i dati nga sistemi. Por për ta bërë këtë ju duhet të keni një mentalitet tjetër. Tradicionalisht, kompanitë e softuerit që ishin të mira në marrjen e të dhënave në një mjedis nuk kanë qenë të mira në marrjen e të dhënave për të shkuar në anën tjetër. Nëse SAP arrin të bëjë këtë lloj kalimi, do të jetë kompania e parë që do ta bëjë këtë.

Me pak fjalë, është e diskutueshme nëse një kompani duhet të zgjedhë SAP si furnizues të magazina e të dhënave. Ka rreziqe shumë serioze nga njëra anë dhe shumë pak shpërblime nga ana tjetër. Por ka një arsye tjetër që dekurajon zgjedhjen e SAP si furnizues magazina e të dhënave. Sepse çdo kompani duhet të ketë të njëjtën gjë magazina e të dhënave nga të gjitha kompanitë e tjera? Të magazina e të dhënave është zemra e avantazhit konkurrues. Nëse çdo kompani do të adoptonte të njëjtën gjë magazina e të dhënave do të ishte e vështirë, por jo e pamundur, të arrihet një avantazh konkurrues. SAP duket se mendon se a magazina e të dhënave mund të shihet si një "cookie" dhe kjo është një tjetër shenjë e mentalitetit të tyre të "marrjes së të dhënave" në aplikacione.

Asnjë shitës tjetër ERP nuk është aq dominues sa SAP. Padyshim që do të ketë kompani që do të shkojnë në rrugën e SAP për të tyren magazina e të dhënave por me sa duket këto magazina e të dhënave SAP-të do të jenë të mëdha, të shtrenjta dhe do të kërkojnë kohë për t'u krijuar.

Këto mjedise përfshijnë aktivitete të tilla si përpunimi i bankës, proceset e rezervimeve të linjave ajrore, proceset e ankesave të sigurimit, etj. Sa më mirë të performonte sistemi i transaksionit, aq më e dukshme ishte nevoja për ndarje midis procesit operacional dhe DSS (Sistemi i Mbështetjes së Vendimeve). Megjithatë, me HR dhe sistemet e personelit, nuk përballeni kurrë me vëllime të mëdha transaksionesh. Dhe, sigurisht, kur një person punësohet ose largohet nga kompania, ky është një rekord i një transaksioni. Por në krahasim me sistemet e tjera, sistemet e personelit dhe burimeve njerëzore thjesht nuk kanë shumë transaksione. Prandaj, në sistemet e burimeve njerëzore dhe personelit nuk është plotësisht e qartë se ka nevojë për një DataWarehouse. Në shumë mënyra këto sisteme janë shkrirje të sistemeve DSS.

Por ka një faktor tjetër që duhet marrë parasysh kur kemi të bëjmë me datawarehouse dhe PeopleSoft. Në shumë qarqe, i dati Burimet njerëzore dhe personale janë dytësore për biznesin primar të kompanisë. Shumica e kompanive prodhojnë, shesin, ofrojnë shërbime e kështu me radhë. Sistemet e burimeve njerëzore dhe personelit janë zakonisht dytësore (ose mbështetëse të) linjës kryesore të biznesit të kompanisë. Prandaj, është e paqartë dhe e papërshtatshme a magazina e të dhënave të ndara për mbështetjen e burimeve njerëzore dhe personale.

PeopleSoft është shumë i ndryshëm nga SAP në këtë drejtim. Me SAP, është e detyrueshme që të ketë një magazina e të dhënave. Me PeopleSoft, nuk është aq e qartë. Një depo e të dhënave është opsionale me PeopleSoft.

Gjëja më e mirë që mund të thuhet për dati PeopleSoft është se magazina e të dhënave mund të përdoret për të arkivuar i dati lidhur me burimet e vjetra njerëzore dhe personale. Një arsye e dytë pse një kompani do të dëshironte të përdorte një magazina e të dhënave a

disavantazhi i mjedisit PeopleSoft është të lejojë akses dhe akses të lirë në mjetet e analizës, ai dati nga PeopleSoft. Por përtej këtyre arsyeve, mund të ketë raste kur preferohet të mos ketë një magazinë të dhënash dati PeopleSoft.

Në përmbledhje

Ka shumë ide që lidhen me ndërtimin e një magazina e të dhënave brenda një softueri ERP.
Disa nga këto janë:

• ▪ Ka kuptim të kesh një magazina e të dhënave kush duket si çdo tjetër në industri?
• ▪ Sa fleksibël është një ERP magazina e të dhënave program kompjuterik?
• ▪ Një ERP magazina e të dhënave softueri mund të trajtojë një vëllim prej dati e cila ndodhet në njëmagazina e të dhënave arenë"?
• ▪ Çfarë është regjistrimi i gjurmëve që bën shitësi ERP përballë lehtësive dhe të lira, që kërkon kohë, ai dati? (çfarë është rekordi i shitësve ERP për dërgimin e të dhënave të lira, në kohë dhe të lehta për t'u aksesuar?)
• ▪ Cili është kuptimi i shitësit ERP për arkitekturën DSS dhe fabrikën e informacionit të korporatës?
• ▪ Shitësit ERP kuptojnë se si të marrin dati brenda mjedisit, por gjithashtu kuptoni se si t'i eksportoni ato?
• ▪ Sa i hapur është shitësi ERP ndaj mjeteve të ruajtjes së të dhënave?
  Të gjitha këto konsiderata duhet të merren kur të përcaktohet se ku të vendoset magazina e të dhënave e cila do të presë i dati të ERP-së ​​dhe të tjerëve dati. Në përgjithësi, nëse nuk ka një arsye bindëse për të bërë ndryshe, rekomandohet ndërtimi magazina e të dhënave jashtë mjedisit të shitësit ERP. KAPITOLO 1 Përmbledhje e Organizatës së BI Pikat kryesore:
  Depot e informacionit funksionojnë në mënyrë të kundërt me arkitekturën e inteligjencës së biznesit (BI):
  Kultura e korporatës dhe TI mund të kufizojnë suksesin e ndërtimit të organizatave të BI.

Teknologjia nuk është më faktori kufizues për organizatat BI. Problemi për arkitektët dhe planifikuesit e projekteve nuk është nëse teknologjia ekziston, por nëse ata mund të zbatojnë në mënyrë efektive teknologjinë e disponueshme.

Për shumë kompani a magazina e të dhënave është pak më shumë se një depozitë pasive që shpërndan i dati për përdoruesit që kanë nevojë për të. THE dati janë nxjerrë nga sistemet burimore dhe janë populluar në strukturat e synuara nga magazina e të dhënave. Unë dati ato gjithashtu mund të pastrohen me çdo fat. Megjithatë asnjë vlerë shtesë nuk shtohet apo grumbullohet nga dati gjatë këtij procesi.

Në thelb, dw pasive, në rastin më të mirë, siguron vetëm i dati pastër dhe funksionale për shoqatat e përdoruesve. Krijimi i informacionit dhe të kuptuarit analitik varen tërësisht nga përdoruesit. Duke gjykuar nëse DW (Magazina e të dhënave) nëse një sukses është subjektiv. Nëse e gjykojmë suksesin mbi aftësinë për të mbledhur, integruar dhe pastruar në mënyrë efikase i dati korporata mbi një bazë të parashikueshme, atëherë po, DW është një sukses. Nga ana tjetër, nëse shikojmë mbledhjen, konsolidimin dhe shfrytëzimin e informacionit të organizatës në tërësi, atëherë DW është një dështim. Një DW jep pak ose aspak vlerë informacioni. Si rezultat, përdoruesit janë të detyruar të mjaftojnë, duke krijuar kështu silos informacioni. Ky kapitull paraqet një vizion gjithëpërfshirës për të përmbledhur arkitekturën BI të ndërmarrjes (Inteligjenca e Biznesit). Ne fillojmë me një përshkrim të BI-së dhe më pas kalojmë në diskutimet e hartimit dhe zhvillimit të informacionit, në krahasim me ofrimin e thjeshtë dati tek përdoruesit. Diskutimet më pas përqendrohen në llogaritjen e vlerës së përpjekjeve tuaja të BI. Ne përfundojmë duke përcaktuar se si IBM adreson kërkesat arkitekturore të BI të organizatës suaj.

Përshkrimi i arkitekturës së Organizata BI

Sistemet e fuqishme të informacionit të orientuara drejt transaksioneve janë tani rend i ditës në çdo ndërmarrje të madhe, duke rrafshuar në mënyrë efektive fushën e lojës për korporatat në mbarë botën.

Megjithatë, për të mbetur konkurrues tani nevojiten sisteme të orientuara nga ana analitike që mund të revolucionarizojnë aftësinë e një kompanie për të rizbuluar dhe përdorur informacionin që tashmë ka. Këto sisteme analitike rrjedhin nga të kuptuarit nga pasuria e dati në dispozicion. BI mund të përmirësojë performancën në të gjithë informacionin në të gjithë ndërmarrjen. Bizneset mund të përmirësojnë marrëdhëniet klient-furnizues, të përmirësojnë përfitimin e produktit dhe shërbimit, të gjenerojnë marrëveshje të reja dhe më të mira, të kontrollojnë rrezikun dhe ndër shumë përfitime të tjera të ulin shpenzimet në mënyrë drastike. Me BI, kompania juaj më në fund fillon të përdorë informacionin e klientit si një aktiv konkurrues falë aplikacioneve që kanë objektiva tregu.

Të kesh mjetet e duhura të biznesit do të thotë të kesh përgjigje përfundimtare për pyetjet kryesore si:

• ▪ Cilin prej yni konsumatorët A na bëjnë të fitojmë më shumë, apo na bëjnë të humbasim para?
• ▪ Aty ku jetojnë më të mirët tanë konsumatorët ne lidhje me negozio/ magazinë që frekuentojnë?
• ▪ Cilat nga produktet dhe shërbimet tona mund të shiten në mënyrë më efektive dhe kujt?
• ▪ Cilat produkte mund të shiten në mënyrë më efektive dhe kujt?
• ▪ Cila fushatë shitjesh është më e suksesshme dhe pse?
• ▪ Cilat kanale shitjeje janë më efektive për cilat produkte?
• ▪ Si mund t'i përmirësojmë marrëdhëniet me më të mirën tonë konsumatorët? Shumica e kompanive kanë dati e përafërt për t'iu përgjigjur këtyre pyetjeve.
  Sistemet operative gjenerojnë sasi të mëdha produkti, klienti dhe kostoje dati nga pikat e shitjes, rezervimet, shërbimi ndaj klientit dhe sistemet e mbështetjes teknike. Sfida është nxjerrja dhe shfrytëzimi i këtij informacioni. Shumë kompani përfitojnë vetëm nga pjesë të vogla të tyre dati për analiza strategjike.
  I dati e mbetur, shpesh e kombinuar me i dati nxjerrja e burimeve të jashtme si raportet e qeverisë dhe informacione të tjera të blera, janë një minierë ari që pret vetëm për t'u eksploruar, dhe dati ato thjesht duhet të rafinohen në kontekstin informativ të organizatës suaj.

Kjo njohuri mund të zbatohet në disa mënyra, duke filluar nga hartimi i një strategjie të përgjithshme të korporatës deri te komunikimi personal me furnitorët, përmes qendrave të thirrjeve, faturimit, internet dhe pika të tjera. Mjedisi i sotëm i biznesit dikton që DW dhe zgjidhjet e lidhura me BI të evoluojnë përtej drejtimit të strukturave tradicionale të biznesit. dati siç është i dati të normalizuara në nivel atomik dhe "ferma me yje/kube".

Ajo që kërkohet për të mbetur konkurrues është një shkrirje e teknologjive tradicionale dhe të avancuara në një përpjekje për të mbështetur një peizazh të gjerë analitik.
Së fundi, mjedisi i përgjithshëm duhet të përmirësojë njohuritë e kompanisë në tërësi, duke u siguruar që veprimet e ndërmarra si rezultat i analizave të kryera të jenë të dobishme në mënyrë që të gjithë të përfitojnë.

Për shembull, le të themi se ju klasifikoni tuajat konsumatorët në kategoritë me rrezik të lartë ose të ulët.
Pavarësisht nëse ky informacion gjenerohet nga një model minierash ose mjete të tjera, ai duhet të vendoset në DW dhe të bëhet i aksesueshëm për këdo, me anë të çdo mjeti aksesi, si p.sh. raporte statike, fletëllogaritëse, tabela ose përpunimi analitik në internet (OLAP ).

Megjithatë, aktualisht, shumë nga ky lloj informacioni mbeten në kapanone dati të individëve ose departamenteve që gjenerojnë analizën. Organizata në tërësi ka pak ose aspak dukshmëri për të kuptuar. Vetëm duke përzier këtë lloj përmbajtjeje informacioni në DW të ndërmarrjes suaj, mund të eliminoni kapanonet e informacionit dhe të ngrini mjedisin tuaj DW.
Ekzistojnë dy pengesa kryesore për zhvillimin e një organizate BI.
Së pari, kemi problemin e vetë organizatës dhe disiplinës së saj.
Ndërsa ne nuk mund të ndihmojmë me ndryshimet e politikave organizative, ne mund të ndihmojmë të kuptojmë komponentët e BI të një organizate, arkitekturën e saj dhe mënyrën se si teknologjia e IBM e lehtëson zhvillimin e saj.
Barriera e dytë për t'u kapërcyer është mungesa e teknologjisë së integruar dhe njohja e një metode që thërret të gjithë hapësirën e BI-së në krahasim me vetëm një komponent të vogël.

IBM po i përgjigjet ndryshimeve në teknologjinë integruese. Është përgjegjësia juaj të ofroni dizajn të vetëdijshëm. Kjo arkitekturë duhet të zhvillohet me teknologji të zgjedhur për integrim të pakufizuar, ose së paku, me teknologji që i përmbahet standardeve të hapura. Gjithashtu, menaxhmenti i kompanisë suaj duhet të sigurojë që sipërmarrja Bi të kryhet sipas planit dhe jo të lejimit të zhvillimit të kapanoneve të informacionit që lindin nga axhendat ose qëllimet që i shërbejnë vetes.
Kjo nuk do të thotë se mjedisi i BI nuk është i ndjeshëm ndaj reagimit ndaj nevojave dhe kërkesave të ndryshme të përdoruesve të ndryshëm; në vend të kësaj, do të thotë se zbatimi i atyre nevojave dhe kërkesave individuale bëhet në dobi të të gjithë organizatës së BI.
Një përshkrim i arkitekturës së organizatës BI mund të gjendet në faqen 9 në Figurën 1.1. Arkitektura demonstron një përzierje të pasur teknologjish dhe teknikash.
Nga këndvështrimi tradicional, arkitektura përfshin komponentët e mëposhtëm të magazinës

Shtresa atomike (Shtresa atomike).

Ky është themeli, zemra e të gjithë Dw-së dhe rrjedhimisht e raportimit strategjik.
I dati të ruajtura këtu do të ruajnë integritetin historik, raportet e dati dhe përfshijnë metrikat e prejardhura, si dhe pastrohen, integrohen dhe ruhen duke përdorur modele minerare.
I gjithë përdorimi i mëvonshëm i këtyre dati dhe informacioni përkatës rrjedh nga kjo strukturë. Ky është një burim i shkëlqyer për miniera dati dhe për raportet me pyetje të strukturuara SQL

Magazina operative e dati ose bazë të raportit të dati(Duajtja e të dhënave operacionale (ODS) ose raportimi bazës së të dhënave.)

Kjo është një strukturë e dati projektuar posaçërisht për raportimin teknik.

I dati të ruajtura dhe të raportuara sipër këto struktura mund të përhapen përfundimisht në magazinë nëpërmjet zonës së skenës, ku mund të përdoret për sinjalizimin strategjik.

Zona e skenës.

Ndalesa e parë për shumicën dati e destinuar për mjedisin e magazinës është zona e organizimit.
Ketu une dati janë integruar, pastruar dhe transformuar në dati fitimet që do të popullojnë strukturën e magazinës

Mars datash.

Kjo pjesë e arkitekturës paraqet strukturën e dati përdoret posaçërisht për OLAP. Prania e datamarteve, nëse i dati ato ruhen në skemat e yjeve që mbivendosen dati shumëdimensionale në një mjedis relacional, ose në skedarët e dati pronësia e përdorur nga teknologjia specifike OLAP, si serveri DB2 OLAP, nuk është relevant.

Kufizimi i vetëm është se arkitektura lehtëson përdorimin e dati shumëdimensionale.
Arkitektura gjithashtu përfshin teknologji dhe teknika kritike Bi që dallohen si:

Analiza hapësinore

Hapësira është një informacion i papritur për analistin dhe është kritik për zgjidhjen e plotë. Hapësira mund të përfaqësojë informacione për njerëzit që jetojnë në një vend të caktuar, si dhe informacione se ku është ai vend fizikisht në raport me pjesën tjetër të botës.

Për të kryer këtë analizë, duhet të filloni duke lidhur informacionin tuaj me koordinatat e gjerësisë dhe gjatësisë. Kjo quhet "gjeokodim" dhe duhet të jetë pjesë e procesit të nxjerrjes, transformimit dhe ngarkimit (ETL) në nivelin atomik të magazinës suaj.

Minierat e të dhënave.

Nxjerrja e dati lejon kompanitë tona të rrisin numrin e konsumatorët, për të parashikuar tendencat e shitjeve dhe për të mundësuar menaxhimin e marrëdhënieve me i konsumatorët (CRM), ndër iniciativat e tjera të BI.

Nxjerrja e dati prandaj duhet të integrohet me strukturat e dati magazinë dhe të mbështetur nga proceset e magazinës për të konstatuar përdorimin efektiv dhe efikas të teknologjisë dhe teknikave përkatëse.

Siç tregohet në arkitekturën e BI, niveli atomik Dwhouse, si dhe datamartet, është një burim i shkëlqyer i dati për nxjerrjen. Të njëjtat prona duhet të jenë gjithashtu marrës të rezultateve të nxjerrjes për të siguruar disponueshmërinë për audiencën më të gjerë.

Agjentët.

Ka "agjentë" të ndryshëm për të ekzaminuar klientin për çdo pikë si p.sh., sistemet operative të kompanisë dhe vetë dw. Këta agjentë mund të jenë rrjete nervore të avancuara të trajnuara për të mësuar rreth tendencave në çdo pikë, të tilla si kërkesa për produkte të ardhshme bazuar në promovimet e shitjeve, motorë të bazuar në rregulla për të reaguar ndaj një Dato grup rrethanash, apo edhe agjentë të thjeshtë që raportojnë përjashtime tek drejtuesit e lartë. Këto procese në përgjithësi ndodhin në kohë reale dhe, për këtë arsye, duhet të jenë të lidhura ngushtë me lëvizjen e proceseve dati. Të gjitha këto struktura të dati, teknologjitë dhe teknikat sigurojnë që ju nuk do ta kaloni natën duke krijuar një organizatë të BI-së tuaj.

Ky aktivitet do të zhvillohet me hapa në rritje, për pikë të vogla.
Çdo hap është një përpjekje e pavarur e projektit dhe referohet si një përsëritje në BI dw ose iniciativën tuaj. Përsëritjet mund të përfshijnë zbatimin e teknologjive të reja, duke filluar me teknika të reja, duke shtuar korniza të reja dati , duke ngarkuar i dati shtesë, ose me zgjerimin e analizës së mjedisit tuaj. Ky paragraf diskutohet më në detaje në kapitullin 3.

Përveç kornizave tradicionale të DW dhe mjeteve të BI, ka aspekte të tjera të organizatës suaj të BI për të cilat duhet të dizajnoni, si p.sh.

Pikat e kontaktit të klientit (prekja e klientit pikë).

Si me çdo organizatë moderne, ka një sërë pikash kontakti me klientët që tregojnë se si të keni një përvojë pozitive për tuajën konsumatorët. Ka kanale tradicionale si tregtarët, operatorët e centraleve, posta direkte, reklamat multimediale dhe të shtypura, si dhe kanale më aktuale si emaili dhe ueb-i, dati produktet me një pikë kontakti duhet të merren, transportohen, pastrohen, përpunohen dhe më pas popullohen në objekte dati të BI-së.

Bazat e dati shoqatat operacionale dhe të përdoruesve (Operativ

bazat e të dhënave dhe komunitetet e përdoruesve).
Në fund të pikave të kontaktit të konsumatorët gjenden themelet dati e aplikacioneve të kompanisë dhe komuniteteve të përdoruesve. THE dati ekzistuese janë dati tradicionale që duhet të bashkohen dhe të shkrihen me dati që rrjedhin nga pikat e kontaktit për të plotësuar informacionin e nevojshëm.

Analistët. (Analistët)

Përfituesi kryesor i mjedisit të BI është analisti. Është ai që përfiton nga nxjerrja aktuale e dati operacionale, të integruara me burime të ndryshme të dati , i shtuar me veçori të tilla si analiza gjeografike (gjeokodimi) dhe i paraqitur në teknologjitë BI që lejojnë minierat, OLAP, raportimin e avancuar SQL dhe analizën gjeografike. Ndërfaqja kryesore për analistin me mjedisin e raportimit është portali BI.

Megjithatë, analisti nuk është i vetmi që përfiton nga arkitektura e BI.
Drejtuesit, shoqatat e mëdha të përdoruesve, madje edhe anëtarët, furnitorët dhe i konsumatorët duhet të gjejë përfitime në BI të ndërmarrjes.

Cikli i ushqimit të pasëm.

Arkitektura BI është një mjedis mësimi. Një parim karakteristik i zhvillimit është lejimi i strukturave të qëndrueshme të dati për t'u përditësuar nga teknologjia BI e përdorur dhe nga veprimet e marra nga përdoruesi. Një shembull është vlerësimi i klientit.

Nëse departamenti i shitjeve bën një model të minierave të rezultateve të klientëve, siç është përdorimi i një shërbimi të ri, atëherë departamenti i shitjeve nuk duhet të jetë i vetmi grup që përfiton nga shërbimi.

Në vend të kësaj, nxjerrja e modelit duhet të kryhet si një pjesë e natyrshme e rrjedhës së të dhënave brenda ndërmarrjes dhe rezultatet e klientëve duhet të bëhen pjesë e integruar e kontekstit të informacionit të magazinës, e dukshme për të gjithë përdoruesit. IBM Suite me qendër Bi-bI, duke përfshirë DB2 UDB, DB2 OLAP Server përfshin komponentët më të rëndësishëm të teknologjisë, të përcaktuar në figurën 1.1.

Ne përdorim arkitekturën siç duket në këtë figurë nga libri për të na dhënë një nivel vazhdimësie dhe për të demonstruar se si secili prej produkteve të IBM përshtatet në skemën e përgjithshme të BI.

Sigurimi i përmbajtjes së informacionit (Sigurimi i përmbajtje informacioni)

Projektimi, zhvillimi dhe zbatimi i mjedisit tuaj BI është një detyrë e frikshme. Dizajni duhet të përfshijë kërkesat aktuale dhe të ardhshme të biznesit. Vizatimi i arkitekturës duhet të jetë gjithëpërfshirës për të përfshirë të gjitha përfundimet e gjetura gjatë fazës së projektimit. Ekzekutimi duhet të mbetet i përkushtuar ndaj një qëllimi të vetëm: të zhvillojë arkitekturën e BI siç është paraqitur zyrtarisht në dizajn dhe të bazuar në kërkesat e biznesit.

Është veçanërisht e vështirë të argumentohet se disiplina do të sigurojë sukses relativ.
Kjo është e thjeshtë sepse nuk zhvillon një mjedis BI menjëherë, por me hapa të vegjël me kalimin e kohës.

Megjithatë, identifikimi i komponentëve BI të arkitekturës suaj është i rëndësishëm për dy arsye: Ju do të drejtoni të gjitha vendimet e mëvonshme të arkitekturës teknike.
Ju do të jeni në gjendje të planifikoni me vetëdije një përdorim të veçantë të teknologjisë edhe pse mund të mos përsërisni nevojën për teknologjinë për disa muaj.

Kuptimi i mjaftueshëm i kërkesave të biznesit tuaj do të ndikojë në llojin e produkteve që blini për arkitekturën tuaj.
Dizajni dhe zhvillimi i arkitekturës suaj siguron që depoja juaj të jetë

jo një ngjarje e rastësishme, por një reklamë e mirëmenduar, e ndërtuar me kujdes operë e artit si një mozaik i teknologjisë së përzier.

Dizajnoni përmbajtjen e informacionit

I gjithë dizajni fillestar duhet të fokusohet dhe të identifikojë komponentët kryesorë të BI që do të nevojiten nga mjedisi i përgjithshëm tani dhe në të ardhmen.
Njohja e kërkesave të biznesit është e rëndësishme.

Edhe përpara se të ketë filluar ndonjë planifikim zyrtar, planifikuesi i projektit shpesh mund të identifikojë një ose dy komponentë menjëherë.
Megjithatë, ekuilibri i komponentëve që mund të kërkohen për arkitekturën tuaj nuk mund të gjendet lehtë. Gjatë fazës së projektimit, pjesa kryesore e arkitekturës lidh sesionin e zhvillimit të aplikacionit (JAD) në një kërkim për të identifikuar kërkesat e biznesit.

Ndonjëherë këto kërkesa mund t'i besohen mjeteve të pyetjeve dhe raportimit.
Për shembull, përdoruesit deklarojnë se nëse duan të automatizojnë një raport aktual, ata duhet të gjenerojnë manualisht duke integruar dy raporte aktuale dhe duke shtuar llogaritjet që rrjedhin nga kombinimi i dati.
Ndërsa kjo kërkesë është e thjeshtë, ajo përcakton një funksionalitet të caktuar që duhet të përfshini kur blini mjete raportimi për organizatën tuaj.

Projektuesi duhet gjithashtu të ndjekë kërkesa shtesë për të marrë një pamje të plotë. A duan përdoruesit të abonohen në këtë raport?
A krijohen dhe dërgohen me email përdoruesve të ndryshëm nëngrupet e raporteve? Dëshironi ta shihni këtë raport në portalin e kompanisë? Të gjitha këto kërkesa janë pjesë e nevojës së thjeshtë për të zëvendësuar një raport manual siç kërkohet nga përdoruesit. Përfitimi i këtyre llojeve të kërkesave është se të gjithë, përdoruesit dhe projektuesit, janë të njohur me konceptin e raporteve.

Megjithatë, ka lloje të tjera biznesesh për të cilat ne duhet të planifikojmë. Kur kërkesat e biznesit deklarohen në formën e pyetjeve strategjike të biznesit, është e lehtë për planifikuesin me përvojë të dallojë kërkesat dimensionale dhe të masës/fakteve.

Nëse përdoruesit e JAD nuk dinë se si t'i deklarojnë kërkesat e tyre në formën e një problemi biznesi, projektuesi shpesh do të japë shembuj për të kapërcyer-filluar sesionin e mbledhjes së kërkesave.
Planifikuesi ekspert mund t'i ndihmojë përdoruesit të kuptojnë jo vetëm biznesin strategjik, por edhe si ta formësojnë atë.
Qasja e mbledhjes së kërkesave është diskutuar në kapitullin 3; tani për tani ne thjesht duam të theksojmë nevojën për të dizajnuar për të gjitha llojet e kërkesave të BI.

Një problem strategjik biznesi nuk është vetëm një kërkesë biznesi, por edhe një sugjerim dizajni. Nëse duhet t'i përgjigjeni një pyetjeje shumëdimensionale, atëherë duhet të mësoni përmendësh, ta paraqisni atë dati dimensionale, dhe nëse keni nevojë të mësoni përmendësh dati shumëdimensionale, ju duhet të vendosni se çfarë lloj teknologjie ose teknike do të përdorni.

A zbatoni një skemë të rezervuar të yjeve të kubit, apo të dyja? Siç mund ta shihni, edhe një çështje e thjeshtë biznesi mund të ndikojë shumë në dizajn. Por këto lloj kërkesash biznesi janë të zakonshme dhe natyrisht, të paktën nga planifikues dhe projektues me përvojë të projekteve.

Ka pasur mjaft debat rreth teknologjive dhe mbështetjes OLAP, dhe një shumëllojshmëri e gjerë zgjidhjesh janë në dispozicion. Deri më tani ne kemi prekur nevojën për të bashkuar raportimin e thjeshtë me kërkesat dimensionale të biznesit dhe se si këto kërkesa ndikojnë në vendimet e arkitekturës teknike.

Por cilat janë kërkesat që nuk kuptohen lehtësisht nga përdoruesit apo ekipi i Dw? A do t'ju duhet ndonjëherë analiza hapësinore (analysisi spatial)?
Modelet e minierave të dati A do të jenë pjesë e domosdoshme e të ardhmes suaj? Kush e di?

Është e rëndësishme të theksohet se këto lloj teknologjish nuk njihen mirë nga komunitetet e përgjithshme të përdoruesve dhe anëtarët e ekipit të DW, pjesërisht, kjo mund të jetë për shkak se ato zakonisht trajtohen nga disa ekspertë teknikë të brendshëm ose të palëve të treta. Është një rast i fundit i problemeve që gjenerojnë këto lloje teknologjish. Nëse përdoruesit nuk mund të përshkruajnë kërkesat e biznesit ose t'i përshtatin ato për t'u dhënë udhëzime projektuesve, ata mund të kalojnë pa u vënë re ose, më keq, thjesht të injorohen.

Më problematike bëhet kur projektuesi dhe zhvilluesi nuk mund të njohin aplikimin e një prej këtyre teknologjive të avancuara, por kritike.
Siç kemi dëgjuar shpesh Dizajnuesit të thonë, “mirë, pse nuk e lëmë mënjanë derisa të marrim këtë gjë tjetër? “A janë vërtet të interesuar për prioritetet, apo thjesht shmangin kërkesat që nuk i kuptojnë? Me shumë mundësi është supozimi i fundit. Le të themi se ekipi juaj i shitjeve ka komunikuar një kërkesë biznesi, siç thuhet në Figurën 1.3, siç mund ta shihni, kërkesa është përshtatur në formën e një problemi biznesi. Dallimi midis këtij problemi dhe problemit tipik dimensional është distanca. Në këtë rast, ekipi i shitjeve dëshiron të dijë, në baza mujore, shitjet totale nga produktet, magazinat dhe konsumatorët të cilët jetojnë brenda 5 miljeve nga magazina ku bëjnë pazar.

Mjerisht, projektuesit ose arkitektët thjesht mund të injorojnë komponentin hapësinor duke thënë: "Ne kemi klientin, produktin dhe dati të depozitës. Le të mbajmë distancën deri në një përsëritje tjetër.

"Përgjigje të gabuar. Ky lloj problemi biznesi ka të bëjë me BI-në. Ai përfaqëson një kuptim më të thellë të biznesit tonë dhe një hapësirë ​​të fuqishme analitike për analistët tanë. BI është përtej pyetjeve të thjeshta ose raportimit standard, apo edhe OLAP. Kjo nuk do të thotë se këto teknologji nuk janë të rëndësishme për BI-në tuaj, por ato në vetvete nuk përfaqësojnë mjedisin e BI-së.

Dizajn për kontekstin e informacionit (Dizajni për përmbajtje informative)

Tani që kemi identifikuar kërkesat e biznesit që dallojnë komponentë të ndryshëm thelbësorë, ato duhet të përfshihen në një vizatim të përgjithshëm arkitekturor. Disa nga komponentët e BI janë pjesë e përpjekjeve tona fillestare, ndërsa disa nuk do të zbatohen për disa muaj.

Megjithatë, të gjitha kërkesat e njohura pasqyrohen në dizajn, kështu që kur na duhet të zbatojmë një teknologji të caktuar, ne jemi të përgatitur ta bëjmë këtë. Diçka rreth projektit do të pasqyrojë të menduarit tradicional.

Ky grup i dati përdoret për të mbështetur përdorimet e mëvonshme të dati dimensionale të nxitura nga çështjet e biznesit që kemi identifikuar. Ndërsa krijohen dokumente shtesë, siç është zhvillimi i projektit të dati, do të fillojmë duke e zyrtarizuar si i dati ato përhapen në mjedis. Ne kemi konstatuar nevojën për të përfaqësuar i dati në një mënyrë dimensionale, duke i ndarë ato (sipas nevojave specifike specifike) në mars të të dhënave.

Pyetja tjetër për t'iu përgjigjur është: Si do të ndërtohen këto marte të dhënash?
A i ndërtoni yjet për të mbështetur kubet, apo thjesht kube, apo vetëm yjet? (ose kubet e duhura, ose yjet e duhur). Gjeneroni arkitekturën për mars të të dhënave të varura që kërkojnë një shtresë atomike për të gjithë dati a fitoni? Lejo që marshet e pavarura të të dhënave të marrin i dati direkt nga sistemet operative?

Çfarë Teknologjie Cube do të përpiqeni të standardizoni?

Ju keni sasi masive të perëndive dati kërkohet për analiza dimensionale apo keni nevojë për kube të forcës suaj kombëtare të shitjeve në baza javore apo të dyja? A ndërtoni një objekt të fuqishëm si DB2 OLAP Server për financa ose kube Cognos PowerPlay për organizatën tuaj të shitjeve apo të dyja? Këto janë vendimet e mëdha të dizajnit arkitektonik që do të ndikojnë në mjedisin tuaj të BI duke ecur përpara. Po, ju keni identifikuar një nevojë për OLAP. Tani si do ta zbatoni atë lloj teknike dhe teknologjie?

Si ndikojnë disa nga teknologjitë më të avancuara në modelet tuaja? Le të supozojmë se keni identifikuar një nevojë hapësinore në organizatën tuaj. Tani duhet të kujtoni botimet e vizatimeve arkitekturore edhe nëse nuk planifikoni të bëni komponentë hapësinorë për disa muaj. Arkitekti duhet të projektojë sot në bazë të asaj që nevojitet. Parashikoni nevojën për analiza hapësinore që gjeneron, ruan, mirëmban dhe siguron akses në dati hapësinore. Kjo nga ana tjetër duhet të shërbejë si një kufizim në lidhje me llojin e teknologjisë së softuerit dhe specifikimet e platformës që mund të konsideroni aktualisht. Për shembull, sistemi i administrimit të bazën e të dhënave relacionale (RDBMS) që ju mbani për shtresën tuaj atomike duhet të ketë një shtrirje të fuqishme hapësinore të disponueshme. Kjo do të siguronte performancën maksimale kur përdorni gjeometrinë dhe objektet hapësinore në aplikacionet tuaja analitike. Nëse RDBMS-ja juaj nuk mund ta trajtojë dati (hapësinore-centrike) nga brenda, kështu që do t'ju duhet të krijoni një bazën e të dhënave (hapësinore-centrike) e jashtme. Kjo e ndërlikon menaxhimin e çështjeve dhe komprometon performancën tuaj të përgjithshme, për të mos përmendur problemet shtesë të krijuara për DBA-të tuaja, pasi ato ka të ngjarë të kenë njohuri minimale të bazave të dati hapësinore gjithashtu. Nga ana tjetër, nëse motori juaj RDMBS trajton të gjithë komponentët hapësinorë dhe optimizuesi i tij është i vetëdijshëm për nevojat e veçanta (për shembull, indeksimin) e objekteve hapësinore, atëherë DBA-të tuaja mund të trajtojnë lehtësisht çështjet e menaxhimit dhe ju mund të maksimizoni performancën.

Gjithashtu, ju duhet të rregulloni zonën e vendosjes dhe shtresën e mjedisit atomik për të përfshirë pastrimin e adresës (a

element kyç i analizës hapësinore), si dhe kursimi i mëpasshëm i objekteve hapësinore. Vazhdimi i botimeve të dizajnit vazhdon tani që ne kemi prezantuar nocionin e pastërtisë së adresës. Për një gjë, ky aplikacion do të diktojë llojin e softuerit që ju nevojitet për përpjekjet tuaja ETL.

A keni nevojë për produkte si Trillium për t'ju ofruar një adresë të pastër, apo një shitës ETL sipas zgjedhjes suaj për të ofruar atë funksionalitet?
Tani për tani është e rëndësishme që të vlerësoni nivelin e dizajnit që duhet të plotësohet përpara se të filloni të mirëmbani depon tuaj. Shembujt e mësipërm duhet të demonstrojnë morinë e vendimeve të projektimit që duhet të ndjekin identifikimin e ndonjë kërkese të veçantë biznesi. Kur merren si duhet, këto vendime të projektimit nxisin ndërvarësinë midis strukturave fizike të mjedisit tuaj, përzgjedhjes së teknologjisë së përdorur dhe rrjedhës së përhapjes së përmbajtjes së informacionit. Pa këtë arkitekturë konvencionale të BI-së, organizata juaj do t'i nënshtrohet një përzierjeje kaotike të teknologjive ekzistuese, në rastin më të mirë të lidhura lirshëm së bashku për të siguruar stabilitet të dukshëm.

Ruajtja e përmbajtjes së informacionit

Sjellja e vlerës së informacionit në organizatën tuaj është një detyrë shumë e vështirë. Pa kuptim dhe përvojë të mjaftueshme, apo inxhinieri dhe dizajn të duhur, edhe ekipet më të mira do të dështonin. Nga ana tjetër, nëse keni intuitë të shkëlqyer dhe dizajn të detajuar, por nuk keni disiplinë për të ekzekutuar, thjesht keni humbur paratë dhe kohën tuaj sepse përpjekja juaj është e destinuar të dështojë. Mesazhi duhet të jetë i qartë: Nëse ju mungojnë një ose më shumë nga këto aftësi, të kuptuarit/përvojën ose disiplinën e planifikimit/projektimit ose zbatimit, kjo do të çojë në gjymtim ose shkatërrim të ndërtesës së organizatës së BI.

A është ekipi juaj i përgatitur mjaftueshëm? A e kupton dikush në ekipin tuaj të BI-së peizazhin e gjerë analitik të disponueshëm në mjediset e BI-së dhe teknikat dhe teknologjitë e nevojshme për të ruajtur atë peizazh? A ka dikush në ekipin tuaj që mund të bëjë dallimin në aplikimin e avancuar

raportimi statik dhe OLAP, apo ndryshimet midis ROLAP dhe OLAP? A e njeh qartë një nga anëtarët e ekipit tuaj mënyrën e minierave dhe si mund të ndikojë në magazinë ose se si magazina mund të mbështesë performancën e minierave? Një anëtar i ekipit e kupton vlerën e dati hapësirë ​​apo teknologji e bazuar në agjentë? A keni dikë që vlerëson aplikimin e mjeteve unike të teknologjisë ETL vs Message Broker? Nëse nuk e keni, merrni një. BI është shumë më i madh se një shtresë atomike e normalizuar, OLAP, skemat e yjeve dhe një ODS.

Të kesh mirëkuptim dhe përvojë për të njohur kërkesat e BI dhe zgjidhjet e tyre është thelbësore për aftësinë tuaj për të formalizuar siç duhet nevojat e përdoruesve dhe për të hartuar dhe zbatuar zgjidhjet e tyre. Nëse komuniteti juaj i përdoruesve ka vështirësi në përshkrimin e kërkesave, i takon ekipit të magazinës të sigurojë këtë kuptim. Por nëse ekipi i magazinës

nuk e njeh aplikimin specifik të BI - për shembull, nxjerrjen e të dhënave - atëherë nuk është më mirë që mjediset e BI-së shpesh të kufizohen në të qenit depo pasive. Megjithatë, injorimi i këtyre teknologjive nuk e zvogëlon rëndësinë e tyre dhe efektin që ato kanë në shfaqjen e aftësive të inteligjencës së biznesit të organizatës suaj, si dhe në asetin e informacionit që planifikoni të promovoni.

Dizajni duhet të përfshijë nocionin e vizatimit dhe të dyja kërkojnë një individ kompetent. Për më tepër, planifikimi kërkon një filozofi ekipore dhe pajtueshmëri me standardet. Për shembull, nëse kompania juaj ka krijuar një standard platforme ose ka identifikuar një RDBMS të veçantë që dëshiron ta standardizojë në të gjithë platformën, është e domosdoshme që të gjithë në ekip t'u përmbahen atyre standardeve. Në përgjithësi një ekip shpreh nevojën për standardizim (për komunitetet e përdoruesve), por vetë ekipi nuk është i gatshëm t'u përmbahet standardeve të vendosura në fusha të tjera të kompanisë ose ndoshta edhe në kompani të ngjashme. Kjo jo vetëm që është hipokrite, por vërteton se kompania nuk është në gjendje të shfrytëzojë burimet dhe investimet ekzistuese. Kjo nuk do të thotë se nuk ka situata që garantojnë një platformë ose teknologji jo të standardizuar; megjithatë, përpjekjet e magazinës

ata duhet të ruajnë me xhelozi standardet e ndërmarrjes derisa kërkesat e biznesit të diktojnë ndryshe.

Komponenti i tretë kyç i nevojshëm për të ndërtuar një organizatë BI është disiplina.
Kjo varet në total, njëlloj nga individët dhe nga mjedisi. Planifikuesit e projekteve, sponsorët, arkitektët dhe përdoruesit duhet të vlerësojnë disiplinën e nevojshme për të ndërtuar asetet e informacionit të kompanisë. Projektuesit duhet t'i drejtojnë përpjekjet e tyre të projektimit për të plotësuar përpjekjet e tjera të nevojshme në shoqëri.

Për shembull, le të themi se kompania juaj ndërton një aplikacion ERP që ka një komponent magazine.
Kështu, është përgjegjësi e projektuesve të ERP-së ​​që të bashkëpunojnë me ekipin e mjedisit të magazinës në mënyrë që të mos konkurrojnë ose të dyfishojnë punën e filluar tashmë.

Disiplina është gjithashtu një temë që duhet të trajtohet nga e gjithë organizata dhe zakonisht themelohet dhe mandatohet në një nivel ekzekutiv.
A janë drejtuesit të gatshëm t'i përmbahen një qasjeje të projektuar? Një qasje që premton të krijojë përmbajtje informacioni që përfundimisht do të japë vlerë në të gjitha fushat e ndërmarrjes, por ndoshta do të komprometojë axhendat individuale ose të departamenteve? Mos harroni thënien "Të mendosh për gjithçka është më e rëndësishme se të mendosh për një gjë". Kjo thënie është e vërtetë për organizatat BI.

Fatkeqësisht, shumë magazina i përqendrojnë përpjekjet e tyre në përpjekjen për të synuar dhe për t'i ofruar vlerë një departamenti të caktuar ose përdoruesve të veçantë, pa marrë parasysh pak organizatën në përgjithësi. Supozoni se menaxheri kërkon ndihmë nga ekipi i depove. Ekipi përgjigjet me një përpjekje 90-ditore që përfshin jo vetëm dhënien e kërkesave të njoftimit të përcaktuara nga ekzekutivi, por edhe sigurimin që të gjithë dati bazat përzihen në nivelin atomik përpara se të futen në teknologjinë e propozuar të kubit.
Kjo shtesë inxhinierike siguron që ndërmarrja e depove do të përfitojë nga dati nevojiten nga menaxheri.
Megjithatë, ekzekutivi foli me firma të jashtme konsulente të cilat propozuan një aplikim të ngjashëm me dorëzim në më pak se 4 javë.

Duke supozuar se ekipi i brendshëm i depove është kompetent, ekzekutivi ka një zgjedhje. Kush mund të mbështesë disiplinën inxhinierike shtesë të nevojshme për të rritur aktivin e informacionit të ndërmarrjes ose mund të zgjedhë të ndërtojë shpejt zgjidhjen e vet. Kjo e fundit duket se zgjidhet shumë shpesh dhe shërben vetëm për të krijuar kontejnerë informacioni nga të cilat përfitojnë pak ose individi.

Qëllimet afatshkurtra dhe afatgjata

Arkitektët dhe planifikuesit e projekteve duhet të zyrtarizojnë një vizion afatgjatë të arkitekturës së përgjithshme dhe planeve për rritjen e një organizate BI. Ky kombinim i përfitimit afatshkurtër dhe planifikimit afatgjatë janë dy anët e përpjekjeve të BI. Të ardhurat afatshkurtra janë aspekti i BI që lidhet me përsëritjet e magazinës suaj.

Kjo është ajo ku planifikuesit, arkitektët dhe sponsorët fokusohen në përmbushjen e kërkesave specifike të biznesit. Pikërisht në këtë nivel ndërtohen strukturat fizike, blihet teknologjia dhe zbatohen teknikat. Ato në asnjë mënyrë nuk janë bërë për të adresuar kërkesat specifike siç përcaktohen nga komunitete të veçanta përdoruesish. Gjithçka bëhet brenda me synimin për të adresuar kërkesat specifike të përcaktuara nga një komunitet i caktuar.
Planifikimi me rreze të gjatë, megjithatë, është aspekti tjetër i BI. Pikërisht këtu planet dhe projektimet siguruan që çdo strukturë fizike të ndërtohej, teknologjitë e përzgjedhura dhe teknikat e realizuara të bëheshin me një sy drejt ndërmarrjes. Është planifikimi afatgjatë ai që siguron kohezionin e nevojshëm për të siguruar që fitimet e firmës rrjedhin nga çdo fitim afatshkurtër i gjetur.

Arsyetoni përpjekjet tuaja për BI

Un magazina e të dhënave në vetvete nuk ka asnjë vlerë të qenësishme. Me fjalë të tjera, nuk ka asnjë vlerë të qenësishme midis teknologjive të magazinës dhe teknikave të zbatimit.

Vlera e çdo përpjekjeje të magazinës gjendet në veprimet e kryera si rezultat i mjedisit të magazinës dhe përmbajtjes së informacionit të kultivuar me kalimin e kohës. Kjo është një pikë kritike për t'u kuptuar përpara se të përpiqeni të vlerësoni vlerën e çdo iniciative të shtëpisë.

Shumë shpesh, arkitektët dhe planifikuesit përpiqen të aplikojnë vlerë për komponentët fizikë dhe teknikë të magazinës kur në fakt vlera është e bazuar në proceset e biznesit që ndikohen pozitivisht nga magazina dhe informacioni i kapur mirë.

Këtu qëndron sfida për themelimin e BI: Si e justifikoni investimin? Nëse vetë shtëpia nuk ka vlerë të brendshme, planifikuesit e projektit duhet të hetojnë, përcaktojnë dhe formalizojnë përfitimet për ata individë që do të përdorin magazinë për të përmirësuar proceset specifike të biznesit ose vlerën e informacionit të mbrojtur, ose të dyja.

Për t'i komplikuar gjërat, çdo proces biznesi i prekur nga përpjekjet e magazinës mund të sigurojë përfitime "të konsiderueshme" ose "të buta". Përfitimet e rëndësishme ofrojnë një metrikë të prekshme për matjen e kthimit nga investimi (ROI) - për shembull, ktheni inventarin një kohë shtesë gjatë një periudhe specifike ose për kosto më të ulët të transportit për dërgesë. Është më e vështirë të përcaktosh përfitime delikate, të tilla si aksesi i përmirësuar në informacion, për sa i përket vlerës së prekshme.

Lidhni projektin tuaj për të njohur kërkesat e biznesit

Shumë shpesh, planifikuesit e projektit përpiqen të lidhin vlerën e magazinës me qëllimet amorfe të ndërmarrjes. Duke deklaruar se "vlera e një magazine bazohet në aftësinë tonë për të përmbushur kërkesat strategjike", ne e hapim diskutimin në një mënyrë të këndshme. Por vetëm kjo nuk mjafton për të përcaktuar nëse investimi në magazinë ka kuptim. Është më mirë të lidhni përfaqësuesit e magazinës me pyetje dhe shënime specifike të biznesit.

Matni ROI

Llogaritja e ROI në një mjedis magazine mund të jetë veçanërisht e vështirë. Është veçanërisht e vështirë nëse kryeson

e një përsëritjeje të caktuar është diçka e paprekshme ose e lehtë për t'u matur. Një studim zbuloi se përdoruesit i perceptojnë dy përfitimet kryesore të iniciativave të BI:

• ▪ Krijoni aftësinë për të marrë vendime
• ▪ Krijoni akses në informacion
  Këto përfitime janë përfitime të buta (ose të lehta). Është e lehtë të shihet se si mund të llogarisim një ROI bazuar në një përfitim të vështirë (ose më të madh) si kostoja e reduktuar e transportit të mallrave, por si ta masim aftësinë për të marrë vendime më të mira?
  Kjo është padyshim një sfidë për planifikuesit e projekteve kur ata po përpiqen ta bëjnë kompaninë të investojë në një përpjekje të veçantë depoje. Rritja e shitjeve ose rënia e kostove nuk janë më temat kryesore që drejtojnë mjedisin e BI.
  Në vend të kësaj, ju po kërkoni kërkesa biznesi për qasje më të mirë në informacion në mënyrë që një departament i caktuar të mund të marrë vendime më shpejt. Këta janë shtytës strategjikë që janë po aq të rëndësishëm për ndërmarrjen, por janë më të paqartë dhe më të vështirë për t'u karakterizuar në një metrikë të prekshme. Në këtë rast, llogaritja e ROI mund të jetë mashtruese, nëse jo e parëndësishme.
  Projektuesit e projektit duhet të jenë në gjendje të demonstrojnë vlerë të prekshme për drejtuesit për të vendosur nëse investimi në një përsëritje të caktuar ia vlen. Megjithatë, ne nuk do të propozojmë një metodë të re për llogaritjen e ROI, as nuk do të japim ndonjë argument pro ose kundër tij.
  Ka shumë artikuj dhe libra në dispozicion që diskutojnë bazat e llogaritjes së ROI. Ka propozime të veçanta me vlerë si vlera e investimit (VOI), të ofruara nga grupe si Gartner, që mund t'i hulumtoni. Në vend të kësaj, ne do të përqendrohemi në aspektet thelbësore të çdo ROI ose propozimeve të tjera të vlerës që duhet të merrni parasysh. Aplikimi i ROI Përtej argumentit rreth përfitimeve "të vështira" kundrejt përfitimeve "të buta" të lidhura me përpjekjet e BI, ka çështje të tjera që duhen marrë parasysh kur aplikoni ROI. Për shembull:

Atribuimi i shumë kursimeve për përpjekjet e DW që do të vinin gjithsesi
Le të themi se kompania juaj u zhvendos nga një arkitekturë mainframe në një mjedis të shpërndarë UNIX. Pra, çdo kursim që mund (ose jo) të realizohet nga ajo përpjekje nuk duhet t'i atribuohet vetëm, nëse fare (?), magazinës.

Të mos llogaritësh gjithçka është e shtrenjtë. Dhe ka shumë gjëra për t'u marrë parasysh. Merrni parasysh listën e mëposhtme:

• ▪ Kostoja e fillimit, duke përfshirë fizibilitetin.
• ▪ Kostoja e harduerit të dedikuar me ruajtjen dhe komunikimet përkatëse
• ▪ Kostoja e softuerit, duke përfshirë menaxhimin e dati dhe zgjerimet e klientit/serverit, softueri ETL, teknologjitë DSS, mjetet e vizualizimit, aplikacionet e planifikimit dhe rrjedhës së punës, dhe softueri monitorues, .
• ▪ Kostoja e projektimit të strukturës dati, me krijimin dhe optimizimin e
• ▪ Kostoja e zhvillimit të softuerit lidhet drejtpërdrejt me përpjekjet e BI
• ▪ Kostoja e mbështetjes në shtëpi, duke përfshirë optimizimin e performancës, duke përfshirë kontrollin e versionit të softuerit dhe operacionet e ndihmës Aplikoni ROI "Big-Bang". Ndërtimi i magazinës si një përpjekje e vetme, gjigante është e destinuar të dështojë, kështu që llogaritni ROI-në për një iniciativë të madhe sipërmarrjeje. Oferta është befasuese dhe se planifikuesit vazhdojnë të bëjnë përpjekje të dobëta për të vlerësuar vlerën e gjithë përpjekjes. Pse planifikuesit përpiqen t'i vënë një vlerë monetare iniciativës së biznesit nëse dihet dhe pranohet gjerësisht se vlerësimi i përsëritjeve specifike është i vështirë? Si eshte e mundur? Nuk është e mundur me disa përjashtime. Mos e bëj. Tani që kemi vendosur se çfarë të mos bëni kur llogaritni ROI, këtu janë disa pika që do t'ju ndihmojnë të krijoni një proces të besueshëm për vlerësimin e vlerës së përpjekjeve tuaja të BI.

Marrja e pëlqimit të ROI. Pavarësisht nga zgjedhja juaj e teknikës për vlerësimin e vlerës së përpjekjeve tuaja të BI, duhet të bihet dakord nga të gjitha palët, duke përfshirë planifikuesit e projektit, sponsorët dhe drejtuesit e korporatave.

Ndani ROI në pjesë të identifikueshme. Një hap i domosdoshëm drejt një llogaritjeje të arsyeshme të ROI është fokusimi i kësaj llogaritjeje në një projekt specifik. Kjo më pas ju lejon të vlerësoni një vlerë bazuar në kërkesat specifike të biznesit që janë përmbushur

Përcaktoni kostot. Siç u përmend, kostot e shumta duhet të merren parasysh. Për më tepër, kostot duhet të përfshijnë jo vetëm ato që lidhen me përsëritjen individuale, por edhe kostot që lidhen me sigurimin e përputhshmërisë me standardet e ndërmarrjes.

Përcaktoni përfitimet. Duke lidhur qartë ROI me kërkesat specifike të biznesit, ne duhet të jemi në gjendje të identifikojmë përfitimet që do të çojnë në përmbushjen e kërkesave.

Zvogëloni kostot dhe përfitimet në fitimet e afërta. Është mënyra më e mirë për të bazuar vlerësimet tuaja në vlerën aktuale neto (NPV) në krahasim me përpjekjen për të parashikuar vlerën e ardhshme në fitimet e ardhshme.

Mbani kohën për të ndarë ROI-në tuaj në minimum. Është e dokumentuar mirë në afat të gjatë se është përdorur në ROI tuaj.

Përdorni më shumë se një formulë ROI. Ka shumë metoda për parashikimin e ROI dhe duhet të planifikoni të përdorni një ose më shumë prej tyre, duke përfshirë vlerën aktuale neto, normën e brendshme të kthimit (IRR) dhe kthimin.

Përcaktoni një proces të përsëritshëm. Kjo është thelbësore për llogaritjen e çdo vlere afatgjatë. Një proces i vetëm i përsëritshëm duhet të dokumentohet për të gjitha nënsekuencat pasuese të projektit.

Problemet e listuara janë ato më të zakonshmet e përcaktuara nga ekspertët e mjedisit të depove. Këmbëngulja e menaxhmentit për të dhënë një ROI "Big-Bang" është shumë konfuze. Nëse filloni të gjitha llogaritjet tuaja të ROI duke i zbërthyer në pjesë të identifikueshme dhe të prekshme, ju keni një shans të mirë për të vlerësuar një vlerësim të saktë të ROI.

Pyetje rreth përfitimeve të ROI

Cilatdo qofshin përfitimet tuaja, të buta apo të forta, mund të përdorni disa pyetje themelore për të përcaktuar vlerën e tyre. Për shembull, duke përdorur një sistem të thjeshtë shkallëzimi, nga 1 në 10, mund të matni ndikimin e çdo përpjekjeje duke përdorur pyetjet e mëposhtme:

• Si do ta vlerësonit të kuptuarit e dati duke ndjekur këtë projekt të kompanisë suaj?
• Si do ta vlerësonit përmirësimin e procesit si rezultat i këtij projekti?
• Si do ta matni ndikimin e njohurive dhe konkluzioneve të reja të bëra tani të disponueshme nga ky përsëritje
• Cili ishte ndikimi i mjediseve të reja dhe më të mira kompjuterike si rezultat i asaj që u mësua? Nëse përgjigjet e këtyre pyetjeve janë të pakta, është e mundur që ndërmarrja nuk ia vlen investimi i bërë. Pyetjet me rezultate të larta tregojnë për përfitime të rëndësishme në vlerë dhe duhet të shërbejnë si udhërrëfyes për hetime të mëtejshme. Për shembull, një rezultat i lartë për përmirësimet e procesit duhet t'i shtyjë projektuesit të shqyrtojnë se si proceset janë përmirësuar. Ju mund të zbuloni se disa ose të gjitha fitimet e bëra janë të prekshme dhe për këtë arsye një vlerë monetare mund të zbatohet lehtësisht. Duke marrë maksimumin nga përsëritja e parë e depo Shpërblimi më i madh i përpjekjeve të ndërmarrjes suaj është shpesh në përsëritjet e para. Këto përpjekje të hershme tradicionalisht krijojnë përmbajtjen më të dobishme të informacionit për publikun dhe ndihmojnë në krijimin e bazës teknologjike për aplikacionet e mëvonshme të BI. Zakonisht çdo pasardhës pasues i dati e projekteve të magazinës sjellin gjithnjë e më pak vlerë shtesë për ndërmarrjen në tërësi. Kjo është veçanërisht e vërtetë nëse përsëritja nuk shton tema të reja ose nuk plotëson nevojat e një komuniteti të ri përdoruesish.

Kjo veçori e ruajtjes vlen edhe për tufat në rritje të dati historianët. Pasi përpjekjet e mëvonshme kërkojnë më shumë dati dhe sa më shumë dati derdhen në magazinë me kalimin e kohës, shumica e dati ajo bëhet më pak e rëndësishme për analizën e përdorur. Këto dati ato shpesh quhen dati në gjumë dhe është gjithmonë e shtrenjtë për t'i mbajtur ato, sepse ato pothuajse nuk përdoren ndonjëherë.

Çfarë do të thotë kjo për sponsorët e projektit? Në thelb, sponsorët e parë ndajnë më shumë se kostot e investimit. Kjo është parësore, sepse ato janë shtysa për themelimin e shtresës së gjerë teknologjike dhe mjedisore të magazinës, duke përfshirë atë organike.

Por këta hapa të parë kanë vlerën më të madhe dhe për këtë arsye planifikuesit e projektit shpesh duhet të justifikojnë investimin.
Projektet e kryera pas iniciativës suaj të BI mund të kenë kosto më të ulëta (krahasuar me të parën) dhe të drejtpërdrejta, por i sjellin më pak vlerë ndërmarrjes.

Dhe pronarët e organizatave duhet të fillojnë të konsiderojnë hedhjen e grumbullimit dati dhe teknologjitë më pak relevante.

Miniera e të dhënave: Nxjerrja të dhëna

Shumë komponentë arkitekturorë kërkojnë variacione të teknologjive dhe teknikave të nxjerrjes së të dhënave—
për shembull, "agjentët" e ndryshëm për shqyrtimin e pikave të interesit të konsumatorët, sistemet operative të kompanisë dhe për të njëjtën dw. Këta agjentë mund të jenë rrjete nervore të avancuara të trajnuara mbi tendencat e tenxhereve, të tilla si kërkesa për produkte të ardhshme bazuar në promovimet e shitjeve; motorë të bazuar në rregulla për të reaguar ndaj një grupi Dato të rrethanave, për shembull, diagnoza mjekësore dhe rekomandimet e trajtimit; apo edhe agjentë të thjeshtë me rolin e raportimit të përjashtimeve tek drejtuesit e lartë. Në përgjithësi këto procese nxjerrjeje dati si

verifikoni në kohë reale; prandaj, ato duhet të bashkohen plotësisht me lëvizjen e dati stessi

Përpunimi i përpunimit analitik në internet

Analiza në internet

Aftësia për të prerë, prerë zare, rrokullisur, shpuar dhe kryer analiza
what-if, është brenda fushëveprimit, fushëveprimit të paketës së teknologjisë IBM. Për shembull, funksionet e përpunimit analitik në internet (OLAP) ekzistojnë për DB2 që sjell analizën dimensionale në motorin e bazës së të dhënave njëjtë.

Funksionet i shtojnë dobi dimensionale SQL-së, ndërkohë që korrin të gjitha përfitimet e të qenit pjesë e natyrshme e DB2. Një shembull tjetër i integrimit OLAP është mjeti ekstraktues, DB2 OLAP Analyzer Server. Kjo teknologji lejon që kubet e serverit DB2 OLAP të skanohen shpejt dhe automatikisht për të gjetur dhe raportuar mbi vlerat e dati e pazakontë ose e papritur për çdo kub për analistin tregtar. Dhe së fundi, funksionet e Qendrës DW ofrojnë një mjet për arkitektët që të kontrollojnë, ndër të tjera, profilin e një serveri kub DB2 OLAP si pjesë e natyrshme e proceseve ETL.

Analiza hapësinore Analiza hapësinore

Hapësira përfaqëson gjysmën e ankorave (përçimeve) analitike të nevojshme për një panoramë
analitike e gjerë (koha përfaqëson gjysmën tjetër). Niveli atomik i magazinës, i paraqitur në figurën 1.1, përfshin themelet për kohën dhe hapësirën. vulat e kohës ankorojnë analizat sipas kohës dhe analizat e ankorimit të informacionit të adresave sipas hapësirës. Vula kohore kryejnë analizën sipas kohës, dhe informacioni i adresës e kryen analizën sipas hapësirës. Diagrami tregon gjeokodimin – procesin e konvertimit të adresave në pika në një hartë ose pika në hapësirë, në mënyrë që konceptet si distanca dhe brenda/jashtë të mund të përdoren në analizë – të kryera në nivel atomik dhe analiza hapësinore të vihet në dispozicion të analistit. IBM ofron zgjerime hapësinore, të zhvilluara me Environmental System Research Institute (ESRI), al bazës së të dhënave DB2 në mënyrë që objektet hapësinore të mund të mbahen si një pjesë normale e bazës së të dhënave relacionale. db2

Zgjeruesit hapësinor, gjithashtu ofrojnë të gjitha shtesat SQL për të përfituar nga analiza hapësinore. Për shembull, shtesat SQL për të kërkuar
distanca ndërmjet adresave ose nëse një pikë është brenda ose jashtë një zone të përcaktuar poligonale, janë një standard analitik me Zgjeruesin Hapësinor. Shihni kapitullin 16 për më shumë informacion.

Baza e të dhënave-Resident Tools Tools Baza e të dhënave- Banor

DB2 ka shumë veçori rezidente të SQL BI që ndihmojnë në veprimin e analizimit. Kjo perfshin:

• Funksionet e rekursionit për të kryer analiza, të tilla si "gjeni të gjitha shtigjet e mundshme të fluturimit nga San Francisko a Nju Jork".
• Funksionet analitike për funksionet e renditjes, kumulative, kubike dhe grumbullimi për të lehtësuar detyrat që zakonisht ndodhin vetëm me teknologjinë OLAP, tani janë pjesë e natyrshme e motorit të bazës së të dhënave
• Aftësia për të krijuar tabela që përmbajnë rezultate
  Shitësit e bazës së të dhënave liderët përziejnë më shumë nga veçoritë e BI në bazës së të dhënave stesso
  Furnizuesit kryesorë të bazën e të dhënave ata po përziejnë më shumë veçori të BI në bazës së të dhënave stesso
  Kjo siguron performancë më të mirë dhe më shumë opsione ekzekutimi për zgjidhjet e BI.
  Karakteristikat dhe funksionet e DB2 V8 diskutohen në detaje në kapitujt e mëposhtëm:
  Arkitektura Teknike dhe Bazat e Menaxhimit të të Dhënave (Kapitulli 5)

• Bazat e DB2 BI (Kapitulli 6)
• Tabelat e pyetjeve të materializuara DB2 (Kapitulli 7)
• Funksionet e DB2 OLAP (Kapitulli 13)
• Karakteristikat dhe funksionet e BI të përmirësuara të DB2 (Kapitulli 15) Sistemi i thjeshtuar i shpërndarjes së të dhënave Sistemi i dorëzimit të dati thjeshtuar

Arkitektura e paraqitur në Figurën 1.1 përfshin struktura të shumta dati fizike. Njëra është magazina e dati operativ. Në përgjithësi, një ODS është i orientuar nga objekti, i integruar dhe aktual. Ju do të ndërtoni një ODS për të mbështetur, për shembull, zyrën e shitjeve. Shitjet e ODS do të plotësonin dati nga shumë sisteme të ndryshme, por do të ruanin vetëm, për shembull, transaksionet e sotme. ODS gjithashtu mund të përditësohet shumë herë në ditë. Njëkohësisht, proceset shtyjnë i dati integruar në aplikacione të tjera. Kjo strukturë është krijuar posaçërisht për t'u integruar dati aktuale dhe dinamike dhe do të ishte një kandidat i mundshëm për të mbështetur analizat në kohë reale, të tilla si ofrimi i agjentëve të shërbimit konsumatorët informacionin aktual të shitjeve të një klienti duke nxjerrë informacionin e tendencës së shitjeve nga vetë inventari. Një strukturë tjetër e paraqitur në figurën 1.1 është një gjendje formale për dw. Jo vetëm që ky është vendi për realizimin e integrimit të nevojshëm, të cilësisë së dati, dhe të transformimit të dati e magazinës hyrëse, por është gjithashtu një zonë magazinimi i besueshëm dhe i përkohshëm për dati përsëritje që mund të përdoren në analiza në kohë reale. Nëse vendosni të përdorni një zonë ODS ose skenë, një nga mjetet më të mira për të populluar këto struktura dati përdorimi i burimeve të ndryshme operacionale është pyetja heterogjene e shpërndarë e DB2. Kjo aftësi ofrohet nga veçoria opsionale DB2 e quajtur DB2 Relational Connect (vetëm pyetjet) dhe përmes DB2 DataJoiner (një produkt i veçantë që ofron aftësinë e pyetjes, futjes, përditësimit dhe fshirjes në RDBMS-të heterogjene të shpërndara).

Kjo teknologji i lejon arkitektët të dati për të lidhur dati të prodhimit me procese analitike. Teknologjia jo vetëm që mund të përshtatet me pothuajse çdo kërkesë të riprodhimit që mund të lindë me analitikë në kohë reale, por gjithashtu mund të lidhet me një shumëllojshmëri të gjerë të dati më të njohurit, duke përfshirë DB2, Oracle, Sybase, SQL Server, Informix dhe të tjerë. DB2 DataJoiner mund të përdoret për të mbushur një strukturë dati formale si një ODS apo edhe një tabelë e përhershme e përfaqësuar në magazinë e krijuar për rikuperim të shpejtë të përditësimeve të menjëhershme ose për shitje. Sigurisht, vetë këto struktura dati mund të popullohen duke përdorur

një tjetër teknologji e rëndësishme e krijuar për riprodhimin e dati, IBM DataPropagator Relational. (DataPropagator është një produkt i veçantë për sistemet qendrore. DB2 UNIX, Linux, Windows dhe OS/2 përfshijnë shërbimet e riprodhimit të dati si veçori standarde).
Një mënyrë tjetër për të lëvizur dati që vepron rreth ndërmarrjes është një integrues i aplikacioneve të ndërmarrjes i njohur ndryshe si një ndërmjetës mesazhesh.Kjo teknologji unike lejon kontroll të pakrahasueshëm për shënjestrimin dhe lëvizjen dati rreth kompanisë. IBM ka ndërmjetësin më të përdorur të mesazheve, MQSeries, ose një variant të produktit që përfshin kërkesat për E-commerce, IBM WebSphere MQ.
Per più discussione su come sfruttare MQ per sostenere un magazzino e un ambiente BI, visitare faqe interneti del libro. Per ora, è sufficiente dire che questa tecnologia è un mezzo eccellente per catturare e trasformare (utilizzando MQSeries Integrator) dati operativë të synuar të rekrutuar për zgjidhjet e BI. Teknologjia MQ është integruar dhe paketuar në UDB V8, që do të thotë se radhët e mesazheve tani mund të menaxhohen sikur të ishin tabela DB2. Koncepti i mesazheve të radhës së saldimit dhe universi i bazës së të dhënave relacionale drejton drejt një mjedisi të fuqishëm të ofrimit të dati.

Zero-Latency Zero latente

Qëllimi përfundimtar strategjik për IBM është analiza e latencës zero. Siç përcaktohet nga
Gartner, një sistem BI duhet të jetë në gjendje të konkludojë, gëlltisë dhe të sigurojë informacion për analistët sipas kërkesës. Sfida, natyrisht, është se si të përzihet dati aktuale dhe në kohë reale me informacionin e nevojshëm historik, si p.sh dati tendenca/modeli i lidhur, ose njohuritë e nxjerra, të tilla si profilizimi i klientit.

Një informacion i tillë përfshin, për shembull, identifikimin e konsumatorët rrezik të lartë ose të ulët ose cilat produkte i konsumatorët ata me shumë gjasa do të blejnë nëse tashmë kanë djathë në karrocat e tyre të blerjeve.

Marrja e vonesës zero në fakt varet nga dy mekanizma themelorë:

• Bashkimi i plotë i dati të cilat analizohen me teknikat e vendosura dhe me mjetet e krijuara nga BI
• Një sistem shpërndarjeje të dati efikase për të siguruar që analizat në kohë reale janë vërtet të disponueshme. Këto parakushte për vonesën zero nuk janë të ndryshme nga dy qëllimet e përcaktuara nga IBM dhe të përshkruara më sipër. Lidhja e ngushtë e dati është pjesë e programit të integruar të IBM-së. Dhe krijoni një sistem shpërndarjeje të dati efikas është plotësisht i varur nga teknologjia e disponueshme e cila thjeshton procesin e dorëzimit dati. Rrjedhimisht, dy nga tre synimet e IBM janë kritike për arritjen e të tretit. IBM po zhvillon me vetëdije teknologjinë e saj për të siguruar që vonesa zero është një realitet për përpjekjet e depove. Përmbledhje / Sintezë Organizata juaj BI ofron një udhërrëfyes për ndërtimin e mjedisit tuaj
  në mënyrë të përsëritur. Ai duhet të përshtatet për të pasqyruar nevojat e biznesit tuaj, si të tanishme ashtu edhe të ardhshme. Pa një vizion të gjerë arkitekturor, përsëritjet e magazinës janë pak më shumë se zbatime të rastësishme të magazinës qendrore që bëjnë pak për të krijuar një ndërmarrje të madhe dhe informuese. Pengesa e parë për drejtuesit e projektit është se si të justifikojnë investimin e nevojshëm për të rritur organizatën BI. Ndërsa llogaritjet e ROI kanë mbetur një bazë e arritjeve të inventarit, po bëhet më e vështirë të parashikohet saktësisht. Kjo ka çuar në metoda të tjera për të përcaktuar nëse po merrni vlerën e parave tuaja. Vlera mbi Investimin2 (VOI), për shembull, prokurohet si zgjidhje. Është detyrë e arkitektëve të dati dhe mbi planifikuesit e projekteve me qëllim gjenerojnë dhe ofrojnë informacion për shoqatat e përdoruesve dhe jo thjesht japin një shërbim dati. Ka një ndryshim të madh midis të dyve. Informacioni është diçka që bën ndryshim në vendimmarrje dhe efektivitet; relativisht, i dati ato janë blloqe ndërtimi për nxjerrjen e atij informacioni.

Edhe nëse është kritik ndaj burimit dati për të adresuar kërkesat e biznesit, mjedisi i BI duhet të shërbejë një rol më të madh në krijimin e përmbajtjes së informacionit. Ne duhet të ndërmarrim hapa shtesë për të pastruar, integruar, transformuar ose krijuar ndryshe përmbajtje informacioni mbi të cilën përdoruesit mund të veprojnë, dhe më pas duhet të sigurojmë që ato veprime dhe vendime, aty ku është e arsyeshme, të reflektohen në mjedisin e BI. Nëse e lëshojmë magazinën për të shërbyer vetëm në dati, jini të sigurt se shoqatat e përdoruesve do të krijojnë përmbajtjen e informacionit të nevojshëm për të ndërmarrë veprime. Kjo siguron që komuniteti i tyre do të jetë në gjendje të marrë vendime më të mira, por ndërmarrja vuan nga mungesa e njohurive që ata kanë përdorur. Dato që arkitektët dhe planifikuesit e projekteve të iniciojnë projekte specifike në mjedisin e BI, ata mbeten të përgjegjshëm ndaj ndërmarrjes në tërësi. Një shembull i thjeshtë i kësaj veçorie të dyanshme të përsëritjeve të BI gjendet në burim dati. Të gjithë dati të marra për kërkesa specifike komerciale duhet të popullohen në shtresën e parë atomike. Kjo siguron zhvillimin e asetit të informacionit të ndërmarrjes, si dhe menaxhimin, adresimin e kërkesave specifike të përdoruesve të përcaktuara në përsëritje.

Çfarë është një Depo e të Dhënave?

Magazina e të dhënave ka qenë zemra e arkitekturës së sistemeve të informacionit që nga viti 1990 dhe mbështet proceset e informacionit duke ofruar një platformë solide të integruar të dati historia e marrë si bazë për analizat e mëvonshme. THE magazina e të dhënave ato ofrojnë lehtësi integrimi në një botë të sistemeve të aplikimit të papajtueshëm. Magazina e të dhënave ajo ka evoluar për t'u bërë një modë. Magazina e të dhënave organizoj dhe ruaj i dati të nevojshme për proceset informative dhe analitike mbi bazën e një këndvështrimi të gjatë historik kohor. E gjithë kjo përfshin një përpjekje të konsiderueshme dhe të vazhdueshme në ndërtimin dhe mirëmbajtjen e magazina e të dhënave.

Pra, çfarë është një magazina e të dhënave? A magazina e të dhënave dhe:

• ▪ i orientuar nga lënda
• ▪ sistemi i integruar
• ▪ ndryshim në kohë
• ▪ jo i paqëndrueshëm (nuk anulon)

një koleksion i dati përdoret për të mbështetur vendimet menaxheriale në zbatimin e proceseve.
I dati futur në magazina e të dhënave ato rrjedhin në shumicën e rasteve nga mjediset operacionale. Të magazina e të dhënave është bërë nga një njësi magazinimi, e ndarë fizikisht nga pjesa tjetër e sistemit që përmban dati transformuar më parë nga aplikacionet që funksionojnë mbi informacionin që rrjedh nga mjedisi operativ.

Përkufizimi i fjalëpërfjalshëm i a magazina e të dhënave meriton një shpjegim të plotë pasi ka motive të rëndësishme dhe kuptime që përshkruajnë karakteristikat e një magazine.

ORIENTIMI I LËNDËS ORIENTIMI TEMATIKE

Tipari i parë i një magazina e të dhënave është se është i orientuar drejt subjekteve kryesore të një kompanie. Udhëzuesi i proceseve përmes dati është në kontrast me metodën më klasike e cila parashikon orientimin e aplikacioneve drejt proceseve dhe funksioneve, një metodë e përbashkët kryesisht nga shumica e sistemeve më pak të fundit të menaxhimit.

Bota operative është projektuar rreth aplikacioneve dhe funksioneve të tilla si huatë, kursimet, kartat bankare dhe besimi për një institucion financiar. Bota e dw është e organizuar rreth subjekteve kryesore si klienti, shitësi, produkti dhe aktiviteti. Rreshtimi rreth temave ndikon në hartimin dhe zbatimin e dati gjendet në dw. Më e rëndësishmja, tema kryesore ndikon në pjesën më të rëndësishme të strukturës kryesore.

Bota e aplikacioneve ndikohet si nga dizajni i bazës së të dhënave ashtu edhe nga dizajni i procesit. Bota e dw është e fokusuar vetëm në modelimin e videove dati dhe mbi dizajnin e bazës së të dhënave. Dizajni i procesit (në formën e tij klasike) nuk është pjesë e mjedisit dw.

Dallimet midis zgjedhjes së aplikimit të procesit/funksionit dhe zgjedhjes së lëndës zbulohen gjithashtu si dallime në përmbajtjen e dati në një nivel të detajuar. THE dati del dw nuk përfshin i dati të cilat nuk do të përdoren për të përpunuar DSS gjatë aplikimeve

i orientuar operacional dati përmbajnë i dati për të përmbushur menjëherë kërkesat funksionale/përpunuese që mund ose nuk mund të kenë ndonjë përdorim për analistin DSS.
Një mënyrë tjetër e rëndësishme që aplikacionet e orientuara drejt operacionit dati ndryshojnë nga dati e dw është në raportet e dati. Unë dati operativët mbajnë një marrëdhënie të vazhdueshme midis dy ose më shumë tabelave bazuar në një rregull biznesi që është aktiv. THE dati e dw përfshin një spektër kohor dhe raportet e gjetura në dw janë të shumta. Shumë rregulla tregtare (dhe përkatësisht, shumë raporte të dati ) përfaqësohen në stokun e dati ndërmjet dy ose më shumë tavolinave.

(Për një shpjegim të detajuar se si marrëdhëniet midis dati menaxhohen në DW, ju lutemi referojuni Temës Teknike për këtë çështje.)
Nga asnjë këndvështrim tjetër përveç atij të ndryshimit themelor midis zgjedhjes së një aplikacioni funksional/procesor dhe zgjedhjes së subjektit, a ka një ndryshim të madh midis sistemeve operative dhe dati dhe DW.

INTEGRIMI INTEGRIMI

Aspekti më i rëndësishëm i mjedisit dw është se i dati që gjenden brenda dw integrohen lehtësisht. GJITHMONË. PA PËRJASHTIM. Vetë thelbi i mjedisit dw është se i dati të përfshira brenda kufijve të magazinës janë të integruara.

Integrimi shfaqet në shumë mënyra të ndryshme - në konventa të identifikuara të qëndrueshme, në matje të qëndrueshme të variablave, në struktura të koduara të qëndrueshme, në atribute fizike të dati konsistente, e kështu me radhë.

Me kalimin e viteve, projektuesit e aplikacioneve të ndryshme kanë marrë shumë vendime se si duhet të zhvillohet një aplikacion. Stili dhe vendimet e individualizuara të dizajnit të aplikacioneve të projektuesve zbulohen në njëqind mënyra: në dallimet në kodim, strukturën kryesore, karakteristikat fizike, konventat e identifikimit, e kështu me radhë. Aftësia kolektive e shumë projektuesve të aplikacioneve për të krijuar aplikacione jokonsistente është legjendare. Figura 3 ekspozon disa nga ndryshimet më të rëndësishme në mënyrën se si projektohen aplikacionet.

Kodimi: Kodi:

Dizajnerët e aplikacioneve kanë zgjedhur kodimin e fushës – gjininë – në disa mënyra. Një projektues përfaqëson gjininë si "m" dhe "f". Një projektues tjetër përfaqëson gjininë si "1" dhe "0". Një projektues tjetër përfaqëson gjininë si "x" dhe "y". Një projektues tjetër përfaqëson gjininë si "mashkull" dhe "femër". Nuk ka shumë rëndësi se si hyn seksi në DW. "M" dhe "F" janë ndoshta po aq të mira sa çdo përfaqësim.

Ajo që ka rëndësi është se nga cilido burim vjen fusha e seksit, ajo fushë arrin në DW në një gjendje të integruar konsistente. Rrjedhimisht, kur fusha ngarkohet në DW nga një aplikacion ku është përfaqësuar jashtë në formatin "M" dhe "F", dati duhet të konvertohet në formatin DW.

Matja e atributeve: Matja e Atributet:

Projektuesit e aplikacioneve kanë zgjedhur të masin tubacionin në mënyra të ndryshme gjatë viteve. Një stilist ruan i dati të tubacionit në centimetra. Një projektues tjetër aplikacioni ruan dati të tubacionit në terma inç. Një projektues tjetër aplikacioni ruan dati të tubacionit në milion këmbë kub për sekondë. Dhe një projektues tjetër ruan informacionin e tubacionit për sa i përket oborreve. Cilido qoftë burimi, kur informacioni i tubacionit arrin në DW ai duhet të matet në të njëjtën mënyrë.

Siç tregohet në figurën 3, çështjet e integrimit prekin pothuajse çdo aspekt të projektit – karakteristikat fizike të projektit dati, dilema për të pasur më shumë se një burim të dati, çështja e mostrave të identifikuara jokonsistente, formatet e dati jokonsistente, e kështu me radhë.

Cilido qoftë argumenti i projektimit, rezultati është i njëjtë - d.m.th dati duhet të ruhet në DW në një mënyrë unike dhe të pranueshme globalisht edhe kur sistemet operative bazë ruajnë i dati.

Kur analisti i DSS shikon DW, fokusi i analistit duhet të jetë shfrytëzimi i dati që ndodhen në magazinë,

në vend që të pyesin për besueshmërinë ose qëndrueshmërinë e dati.

VARIANCI KOHE

Të gjithë unë dati në DW ato janë të sakta për një moment në kohë. Kjo veçori themelore e dati në DW është shumë e ndryshme nga dati gjendet në mjedisin operativ. THE dati të mjedisit operativ janë po aq të sakta sa në momentin e aksesit. Me fjalë të tjera, në mjedisin operativ kur aksesohet një njësi dati, pritet të pasqyrojë vlera po aq të sakta sa në momentin e aksesit. Pse une dati në DW janë të sakta si në një moment në kohë (d.m.th., jo "tani tani"), d.m.th dati që gjenden në DW janë "ndryshimi kohor".
Varianca kohore e dati nga DW përmendet në shumë mënyra.
Mënyra më e thjeshtë është që i dati të një DW përfaqësojnë dati për një horizont të gjatë - pesë deri në dhjetë vjet. Horizonti kohor i përshkruar për mjedisin operativ është shumë më i shkurtër se vlerat aktuale deri në gjashtëdhjetë e nëntëdhjetë
Aplikacionet që duhet të funksionojnë mirë dhe duhet të jenë të disponueshme për përpunimin e transaksioneve duhet të sjellin sasinë minimale të dati nëse ato lejojnë ndonjë shkallë fleksibiliteti. Pra, aplikacionet operacionale kanë një horizont të shkurtër kohor, siç është një temë e projektimit të aplikacionit audio.
Mënyra e dytë që shfaqet 'ndryshimi në kohë' në DW është në strukturën kryesore. Çdo strukturë kyçe në DW përmban, në mënyrë implicite ose eksplicite, një element kohor, si dita, java, muaji, etj. Elementi i kohës është pothuajse gjithmonë në fund të çelësit të bashkuar që gjendet në DW. Në këto raste, elementi i kohës do të ekzistojë në mënyrë implicite, siç është rasti kur një skedar i tërë kopjohet në fund të muajit ose tremujorit.
Mënyra e tretë e shfaqjes së variancës kohore është se i dati e DW, e sapo regjistruar si duhet, nuk mund të përditësohet. THE dati të DW janë, për të gjitha qëllimet praktike, një seri e gjatë fotografish. Sigurisht, nëse fotografia është marrë gabimisht, atëherë fotografitë mund të modifikohen. Por duke supozuar se fotografitë janë marrë si duhet, ato nuk ndryshohen sapo të merren. Ne disa

Në raste të tilla, mund të jetë joetike apo edhe e pavlefshme modifikimi i fotove në DW. THE dati operacional, duke qenë po aq i saktë sa në momentin e aksesit, mund të përditësohet sipas nevojës.

JO TË PAQYRTUESHME

Karakteristika e katërt e rëndësishme e DW është se ajo është e paqëndrueshme.
Përditësimet, futjet, fshirjet dhe ndryshimet bëhen rregullisht në mjediset operative në bazë rekord pas regjistrimi. Por manipulimi bazë i dati e nevojshme në DW është shumë më e lehtë. Ekzistojnë vetëm dy lloje operacionesh që ndodhin në DW - ngarkimi fillestar i dati dhe akses në dati. Nuk ka asnjë përditësim të dati (në kuptimin e përgjithshëm të përditësimit) në DW si një operacion normal përpunimi. Ekzistojnë disa pasoja shumë të fuqishme të këtij ndryshimi themelor midis përpunimit operacional dhe përpunimit DW. Në nivelin e projektimit, nevoja për të qenë të kujdesshëm në lidhje me përditësimin e përplasjes nuk është një faktor në DW, pasi përditësimi i dati nuk realizohet. Kjo do të thotë se në nivelin fizik të dizajnit, mund të merren liritë për të optimizuar aksesin në dati, veçanërisht në trajtimin e temave të normalizimit dhe denormalizimit fizik. Një tjetër pasojë e thjeshtësisë së funksionimit të DW është në teknologjinë bazë të përdorur për të drejtuar mjedisin DW. Mbështetja e përditësimeve rekord pas rekord në internet (siç ndodh shpesh me llogaritjen operacionale) kërkon që teknologjia të ketë një bazë shumë komplekse nën një thjeshtësi të dukshme.
Teknologjia që mbështet rezervimin dhe rikuperimin, transaksionet dhe integritetin e të dhënave dati dhe zbulimi dhe korrigjimi i bllokimit është mjaft kompleks dhe i panevojshëm për përpunimin e DW. Karakteristikat e një DW, orientimi i projektimit, integrimi i dati brenda DW, varianca kohore dhe lehtësia e menaxhimit të dati, e gjithë kjo çon në një mjedis që është shumë, shumë i ndryshëm nga mjedisi klasik i funksionimit. Burimi i pothuajse të gjithëve dati të DW janë mjedisi operativ. Është joshëse të mendosh se ka një tepricë masive të dati mes dy mjediseve.
Në të vërtetë, përshtypja e parë që kanë shumë njerëz është ajo e tepricës së madhe dati ndërmjet mjedisit operativ dhe mjedisit të

Zgjerimi DW. Një interpretim i tillë është sipërfaqësor dhe tregon mungesë të të kuptuarit të asaj që po ndodh në DW.
Në të vërtetë ka një minimum të tepricës dati ndërmjet mjedisit operativ dhe i dati të DW. Merrni parasysh sa vijon: I dati ato janë të filtruara Dato që kaloni nga mjedisi i funksionimit në mjedisin DW. Shumë dati ata kurrë nuk dalin jashtë mjedisit operativ. Vetëm se i dati të cilat kërkohen për përpunimin DSS gjejnë drejtimin e tyre në mjedis

▪ horizonti kohor i dati është shumë i ndryshëm nga një mjedis në tjetrin. THE dati ne ambjent operativ jane shume te fresketa. THE dati në DW janë shumë më të vjetër. Vetëm nga perspektiva e horizontit kohor, ka shumë pak mbivendosje midis mjedisit operativ dhe DW.

▪ DW përmban dati përmbledhje që nuk janë kurrë në mjedis

▪ Unë dati pësojnë një transformim themelor ndërsa kalojnë në Figura 3 ilustron se shumica e dati modifikohen ndjeshëm me kusht që të zgjidhen dhe të zhvendosen në DW. E thënë ndryshe, shumica e dati ajo është ndryshuar fizikisht dhe rrënjësisht pasi është zhvendosur në DW. Nga pikëpamja e integrimit nuk janë të njëjta dati që banojnë në mjedisin operativ. Nisur nga këta faktorë, teprica e dati midis dy mjediseve është një ngjarje e rrallë, që çon në më pak se 1% tepricë midis dy mjediseve. STRUKTURA E magazinës DW-të kanë një strukturë të veçantë. Ekzistojnë nivele të ndryshme të përmbledhjes dhe detajeve që përcaktojnë DW-të.
Komponentët e ndryshëm të një DW janë:

• Metadata
• të dhëna detajet aktuale
• të dhëna me detaje të vjetra
• të dhëna pak e përmbledhur
• të dhëna shumë i përmbledhur

Deri tani shqetësimi kryesor është për i dati detajet aktuale. Është shqetësimi kryesor sepse:

• I dati Detajet aktuale pasqyrojnë ngjarjet më të fundit, të cilat janë gjithmonë me interes të madh dhe
• i dati të dhënat aktuale të detajeve janë voluminoze sepse ruhen në nivelin më të ulët të granularitetit dhe
• i dati detajet aktuale ruhen pothuajse gjithmonë në memorien e diskut, e cila aksesohet shpejt, por e kushtueshme dhe komplekse nga I dati e detajeve janë më të vjetra dati të cilat ruhen në disa memorie të massa. Aksesohet në mënyrë sporadike dhe ruhet në një nivel detajesh të pajtueshme me dati detajet aktuale. Ndërsa nuk është e detyrueshme të ruhet në një medium ruajtjeje alternative, për shkak të vëllimit të madh të dati të bashkuar me aksesin sporadik të dati, mediumi i ruajtjes për dati detajet më të vjetra zakonisht nuk ruhen në disk. THE dati të përmbledhura lehtë janë dati të cilat distilohen nga niveli i ulët i gjetur i detajeve në nivelin aktual të detajeve. Ky nivel i DW ruhet pothuajse gjithmonë në memorien e diskut. Problemet e projektimit që paraqiten para arkitektit të dati në ndërtimin e këtij niveli të DW janë:

• Cila njësi kohore është përmbledhja e bërë më sipër
• Çfarë përmbajtje, atributet do të përmbledh pak përmbajtjen e dati Niveli tjetër i dati që gjendet në DW është ajo e dati shumë i përmbledhur. THE dati shumë të përmbledhura janë kompakte dhe lehtësisht të arritshme. THE dati shumë të përmbledhura gjenden ndonjëherë në mjedisin DW dhe raste të tjera i dati shumë abstrakte gjenden jashtë mureve të menjëhershme të teknologjisë që pret DW. (në çdo rast, d.m.th dati të përmbledhura shumë janë pjesë e DW pavarësisht se ku i dati janë të strehuar fizikisht). Komponenti përfundimtar i DW është komponenti i meta të dhënave. Në shumë aspekte, meta të dhënat qëndrojnë në një dimension të ndryshëm nga të tjerët dati të DW, sepse meta të dhënat nuk përmbajnë asnjë Dato marrë direkt nga mjedisi i funksionimit. Metadata kanë një rol të veçantë dhe shumë të rëndësishëm në DW. Metadatat përdoren si:

• një direktori për të ndihmuar analistin e DSS të gjejë përmbajtjen e DW,
• një udhëzues për hartëzimin dati se si i dati janë transformuar nga mjedisi operativ në mjedisin DW,
• një udhëzues për algoritmet e përdorura për përmbledhje ndërmjet i dati detajet aktuale ei dati pak e përmbledhur, d.m.th dati përmbledhur shumë, Metadata luan një rol shumë më të madh në mjedisin DW sesa ka luajtur ndonjëherë në mjedisin operacional RUAJTJE ME DETAJ I VJETËR Shirit magnetik mund të përdoret për të ruajtur atë lloj dati. Në të vërtetë, ekziston një shumëllojshmëri e gjerë e mediave ruajtëse që duhet të merren parasysh për ruajtjen e të vjetrave dati e detajeve. Në varësi të vëllimit të dati, frekuenca e aksesit, kostoja e mjeteve dhe lloji i aksesit, është plotësisht e mundshme që mjetet e tjera të kenë nevojë për nivelin e vjetër të detajeve në DW. RRJEDHJA E TË DHËNAVE Ekziston një rrjedhë normale dhe e parashikueshme e dati brenda DW.
  I dati ato hyjnë në DW nga mjedisi operativ. (SHËNIM: Ka disa përjashtime shumë interesante nga ky rregull. Megjithatë, pothuajse të gjitha dati futni DW nga mjedisi i funksionimit). Dato se une dati ato hyjnë në DW nga mjedisi operativ, ai transformohet siç përshkruhet më sipër. Me kusht që të hyni në DW, d.m.th dati futni nivelin aktual të detajeve, siç tregohet. Ai qëndron atje dhe përdoret derisa të ndodhë një nga tre ngjarjet:

• është pastruar,
• është përmbledhur, dhe/ose ▪është Procesi i vjetëruar brenda një DW lëviz i dati detajet aktuale a dati i detajuar i vjetër, sipas moshës dati. Procesi

përmbledhja përdor detajet e dati për të llogaritur dati nivelet pak të përmbledhura dhe shumë të përmbledhura të dati. Ekzistojnë disa përjashtime nga rrjedha e treguar (për t'u diskutuar më vonë). Megjithatë, zakonisht, për shumicën dërrmuese të dati gjendet brenda një DW, rryma e dati është siç përfaqësohet.

PERDORIMI I DATAWAREHOUSE

Nuk është çudi që nivelet e ndryshme të dati brenda DW nuk marrin nivele të ndryshme përdorimi. Si rregull, sa më i lartë të jetë niveli i përmbledhjes, aq më shumë i dati ato përdoren.
Shumë përdorime ndodhin në dati shumë të përmbledhura, ndërsa e vjetra dati detajet pothuajse nuk përdoren kurrë. Ekziston një arsye e mirë për ta zhvendosur organizatën në paradigmën e përdorimit të burimeve. Më shumë përmbledhur i dati, aq më e shpejtë dhe më efikase është për të arritur dati. Nese nje negozio konstaton se bën shumë përpunime në nivel detajesh të DW-së, atëherë konsumohet një sasi përkatësisht e madhe burimesh makinerie. Është në interesin më të mirë të të gjithëve që të përpunohet një përmbledhje kaq e lartë sa më shpejt të jetë e mundur.

Për shumë dyqane, analisti DSS në një mjedis para DW ka përdorur dati në nivelin e detajeve. Në shumë aspekte mbërritja në dati detajet duket si një batanije sigurie, edhe kur nivelet e tjera të përmbledhjes janë të disponueshme. Një nga aktivitetet e arkitektit të dati është largimi i përdoruesit DSS nga përdorimi i vazhdueshëm i dati në nivelin më të ulët të detajeve. Ka dy motive në dispozicion të arkitektit dati:

• instalimi i një sistemi rimbursimi, ku përdoruesi fundor paguan për burimet e konsumuara e
• të cilat tregojnë se kohë shumë e mirë e përgjigjes mund të merret kur sjellja me i dati është në një nivel të lartë përmbledhjeje, ndërsa koha e dobët e përgjigjes vjen nga sjellja e dati në një nivel të ulët të KONSIDERAT TJERA Ka disa konsiderata të tjera të ndërtimit dhe menaxhimit të DW.
  Konsiderata e parë është ajo e indekseve. THE dati në nivelet më të larta të përmbledhjes ato mund të indeksohen lirisht, ndërsa i dati

në nivele më të ulëta detajesh ato janë aq voluminoze sa mund të indeksohen me masë. Nga e njëjta arsye, d.m.th dati në nivele të larta detajesh mund të ristrukturohen relativisht lehtë, ndërsa vëllimi i dati në nivelet më të ulëta është aq i madh sa i dati ato nuk mund të rinovohen lehtë. Rrjedhimisht, modeli i dati dhe puna formale e bërë nga dizajni hedh themelet për DW të aplikuar pothuajse ekskluzivisht në nivelin aktual të detajeve. Me fjalë të tjera, aktivitetet modeluese të dati ato nuk zbatohen për nivelet e përmbledhjes, pothuajse në çdo rast. Një konsideratë tjetër strukturore është ajo e nënndarjes së dati nga DW.

Ndarja mund të bëhet në dy nivele - në nivelin e dbms dhe në nivel aplikimi. Në ndarjen në nivel dbms, dbms informohet për divizionet dhe i kontrollon ato në përputhje me rrethanat. Në rastin e një ndarjeje në nivel aplikimi, vetëm programuesi është në dijeni të ndarjeve dhe përgjegjësia për administrimin e tyre i lihet atij.

Nën nivel dbms, shumë punë bëhen automatikisht. Ka shumë jofleksibilitet lidhur me vetëadministrimin e divizioneve. Në rastin e aplikimit në nivel ndarjeje të dati del magazina e të dhënave, shumë punë i bie programuesit, por rezultati përfundimtar është fleksibiliteti në administrimin e dati në magazina e të dhënave

ANOMALI TË TJERA

Ndërsa komponentët e magazina e të dhënave puna siç përshkruhet për pothuajse të gjithë dati, ka disa përjashtime të dobishme që duhen diskutuar. Një përjashtim është ai i dati përmbledhje publike (të dhëna përmbledhëse publike). Këto janë dati përmbledhjet që janë llogaritur nga magazina e të dhënave por ato përdoren nga shoqëria. THE dati përmbledhjet publike ruhen dhe menaxhohen në magazina e të dhënave, megjithëse siç u përmend më lart ato janë kuptuar. Kontabilistët punojnë për të prodhuar të tilla tremujore dati të tilla si të ardhurat, shpenzimet tremujore, fitimi tremujor, etj. Puna e bërë nga kontabilistët është e jashtme ndaj magazina e të dhënave. Megjithatë, i dati përdoren “brenda” brenda kompanisë – nga marketing, shitje etj. Një tjetër anomali, e cila nuk do të diskutohet, është ajo e dati të jashtme

Një tjetër lloj i shquar i dati të cilat mund të gjenden në a magazina e të dhënave është ai i të dhënave të hollësishme të përhershme. Këto shkaktojnë nevojën për të ruajtur përgjithmonë dati në një nivel të detajuar për arsye etike ose ligjore. Nëse një kompani po i ekspozon punëtorët e saj ndaj substancave të rrezikshme, ekziston nevoja për të dati të detajuara dhe të përhershme. Nëse një kompani prodhon një produkt që përfshin sigurinë publike, si p.sh. pjesë për një aeroplan, ka nevojë të dati detaje të përhershme, si dhe nëse një kompani lidh kontrata të rrezikshme.

Kompania nuk mund të lejojë të anashkalojë detajet sepse gjatë viteve të ardhshme, në rast të një padie, tërheqjeje, defekti kontestues në ndërtim, etj. ekspozimi i kompanisë mund të jetë i madh. Si rezultat, ekziston një lloj unik i dati të njohura si të dhëna detaje të përhershme.

PËRMBLEDHJE

Un magazina e të dhënave është një variant i orientuar drejt objektit, i integruar, i tensionuar, një koleksion i dati jo të paqëndrueshme në mbështetje të nevojave vendimmarrëse të administratës. Secili prej funksioneve të spikatura të një magazina e të dhënave ka implikimet e veta. Përveç kësaj ka katër nivele të dati del magazina e të dhënave:

• Detaje të vjetra
• Detaje aktuale
• të dhëna pak e përmbledhur
• të dhëna Metadatat e përmbledhura shumë janë gjithashtu një pjesë e rëndësishme e magazina e të dhënave. ABSTRAKT Koncepti i ruajtjes së dati kohët e fundit ka marrë shumë vëmendje dhe është kthyer në një trend të viteve 90. Kjo për shkak të aftësisë së një magazina e të dhënave për të kapërcyer kufizimet e sistemeve mbështetëse të menaxhimit si sistemet e mbështetjes së vendimeve (DSS) dhe sistemet e informacionit ekzekutiv (EIS). Edhe pse koncepti i magazina e të dhënave duket premtuese, zbatoj i magazina e të dhënave mund të jetë problematik për shkak të proceseve të magazinimit në shkallë të gjerë. Pavarësisht kompleksitetit të projekteve të magazinimit të dati, shumë furnitorë dhe konsulentë që aksionojnë dati argumentojnë se ruajtja e dati paraqesin asnjë problem. Megjithatë, në fillim të këtij projekti kërkimor, vështirë se ishte bërë ndonjë hulumtim i pavarur, rigoroz dhe sistematik. Rrjedhimisht është e vështirë të thuhet se çfarë ndodh në të vërtetë në industri kur ato ndërtohen magazina e të dhënave. Ky studim hulumtoi praktikën e magazinimit të dati bashkëkohës që synon të zhvillojë një kuptim më të pasur të praktikës australiane. Rishikimi i literaturës dha kontekstin dhe bazën për studimin empirik. Ka një sërë rezultatesh nga ky hulumtim. Së pari, ky studim zbuloi aktivitetet që ndodhën gjatë zhvillimit të magazina e të dhënave. Në shumë fusha, i dati të mbledhura konfirmuan praktikën e raportuar në literaturë. Së dyti, çështjet dhe problemet që mund të ndikojnë në zhvillimin e magazina e të dhënave janë identifikuar nga ky studim. Së fundi, përfitimet e fituara nga organizatat australiane që lidhen me përdorimin e magazina e të dhënave janë zbuluar.

Kapitulli 1

Konteksti i kërkimit

Koncepti i ruajtjes së të dhënave mori një ekspozim të gjerë dhe u bë një trend në zhvillim në vitet 90 (McFadden 1996, TDWI 1996, Shah dhe Milstein 1997, Shanks et al. 1997, Eckerson 1998, Adelman dhe Oates 2000). Kjo mund të shihet nga numri në rritje i artikujve mbi ruajtjen e të dhënave në publikimet tregtare (Little dhe Gibson 1999). Shumë artikuj (shih, për shembull, Fisher 1995, Hackathorn 1995, Morris 1995a, Bramblett and King 1996, Graham et al. 1996, Sakaguchi and Frolick 1996, Alvarez 1997, Brousell 1997, 1997, 1997, Clar. 1997, Edwards 1998, TDWI 1999) kanë raportuar përfitime të rëndësishme për organizatat që zbatojnë magazina e të dhënave. Ata e mbështetën teorinë e tyre me dëshmi anekdotike të zbatimeve të suksesshme, shifra të kthimit të lartë nga investimi (ROI) dhe, gjithashtu, duke ofruar udhëzime ose metodologji për zhvillimin magazina e të dhënave

(Shanks et al. 1997, Seddon dhe Benjamin 1998, Little dhe Gibson 1999). Në një rast ekstrem, Graham et al. (1996) raportoi një kthim mesatar në një investim trevjeçar prej 401%.

Megjithatë, pjesa më e madhe e literaturës aktuale ka anashkaluar kompleksitetin e përfshirë në ndërmarrjen e projekteve të tilla. Projektet e magazina e të dhënave ato janë zakonisht komplekse dhe në shkallë të gjerë dhe për këtë arsye kanë një probabilitet të lartë dështimi nëse nuk kontrollohen me kujdes (Shah dhe Milstein 1997, Eckerson 1997, Foley 1997b, Zimmer 1997, Bort 1998, Gibbs dhe Clymer 1998, Rao 1998). Ato kërkojnë sasi të mëdha burimesh njerëzore dhe financiare, kohë dhe përpjekje për t'i ndërtuar ato (Hill 1998, Crofts 1998). Koha tipike dhe mjetet financiare të kërkuara janë përkatësisht rreth dy vjet dhe dy deri në tre milionë dollarë (Braly 1995, Foley 1997b, Bort 1998, Humphries et al. 1999). Kjo kohë dhe mjete financiare kërkohen për të kontrolluar dhe konsoliduar shumë aspekte të ndryshme të ruajtjes së të dhënave (Cafasso 1995, Hill 1998). Krahas konsideratave të harduerit dhe softuerit, funksione të tjera, të cilat ndryshojnë nga nxjerrja e dati për proceset e ngarkimit të dati, kapaciteti i memories për të menaxhuar përditësimet dhe meta dati për trajnimin e përdoruesve, duhet të merret parasysh.

Në kohën kur filloi ky projekt kërkimor, kishte shumë pak kërkime akademike që po kryheshin në fushën e ruajtjes së të dhënave, veçanërisht në Australi. Kjo ishte e dukshme nga pamjaftueshmëria e artikujve të botuar mbi ruajtjen e të dhënave nga revista apo shkrime të tjera akademike të kohës. Shumë nga shkrimet akademike të disponueshme përshkruan përvojën e SHBA. Mungesa e kërkimit akademik në fushën e ruajtjes së të dhënave ka shkaktuar një kërkesë për kërkime rigoroze dhe studime empirike (McFadden 1996, Shanks et al. 1997, Little dhe Gibson 1999). Në veçanti, studimet kërkimore mbi procesin e zbatimit të magazina e të dhënave duhet bërë për të zgjeruar njohuritë e përgjithshme rreth zbatimit të magazina e të dhënave dhe do të shërbejë si bazë për një studim të ardhshëm kërkimor (Shanks et al. 1997, Little dhe Gibson 1999).

Prandaj, qëllimi i këtij studimi është të hetojë se çfarë ndodh në të vërtetë kur organizatat zbatojnë dhe përdorin i magazina e të dhënave në Australi. Konkretisht, ky studim do të përfshijë një analizë të një procesi të tërë të zhvillimit të një magazina e të dhënave, duke filluar me fillimin dhe projektimin përmes projektimit dhe zbatimit dhe përdorimit pasues brenda organizatave australiane. Përveç kësaj, studimi do të kontribuojë gjithashtu në praktikën aktuale duke identifikuar fushat ku praktika mund të përmirësohet më tej dhe joefikasiteti dhe rreziqet mund të minimizohen ose shmangen. Për më tepër, ai do të shërbejë si bazë për studime të tjera mbi magazina e të dhënave në Australi dhe do të plotësojë boshllëkun që ekziston aktualisht në literaturë.

Pyetje kërkimore

Qëllimi i këtij hulumtimi është të studiojë aktivitetet e përfshira në zbatimin e magazina e të dhënave dhe përdorimin e tyre nga organizatat australiane. Në veçanti, studiohen elementë që kanë të bëjnë me planifikimin, zhvillimin, funksionimin, përdorimin dhe rreziqet e projektit. Pra, pyetja e këtij hulumtimi është:

“Si është praktika aktuale e magazina e të dhënave në Australi?"

Për t'iu përgjigjur në mënyrë efektive kësaj pyetjeje, kërkohen një numër pyetjesh kërkimore ndihmëse. Në veçanti, tre nënpyetje janë identifikuar nga literatura, e cila është paraqitur në kapitullin 2, për të udhëhequr këtë projekt kërkimor: Si janë magazina e të dhënave nga organizatat australiane? Cilat janë problemet e hasura?

Cilat janë përfitimet e përjetuara?
Për t'iu përgjigjur këtyre pyetjeve, u përdor një dizajn kërkimor hulumtues që përdor një anketë. Si një studim eksplorues, përgjigjet e pyetjeve të mësipërme nuk janë të plota (Shanks et al. 1993, Denscombe 1998). Në këtë rast, kërkohet një trekëndësh për të përmirësuar përgjigjet e këtyre pyetjeve. Megjithatë, hetimi do të sigurojë një bazë solide për punën e ardhshme që shqyrton këto pyetje. Një diskutim i detajuar i justifikimit dhe dizajnit të metodës së kërkimit është paraqitur në kapitullin 3.

Struktura e projektit kërkimor

Ky projekt kërkimor është i ndarë në dy pjesë: studimi kontekstual i konceptit të ruajtjes së të dhënave dhe kërkimi empirik (shih Figurën 1.1), secila prej të cilave diskutohet më poshtë.

Pjesa I: Studim kontekstual

Pjesa e parë e hulumtimit konsistonte në një rishikim të literaturës aktuale mbi lloje të ndryshme të ruajtjes së të dhënave duke përfshirë sistemet e mbështetjes së vendimeve (DSS), sistemet e informacionit ekzekutiv (EIS), studimet e rasteve të magazina e të dhënave dhe konceptet e magazina e të dhënave. Gjithashtu, rezultatet e forumeve në magazina e të dhënave dhe grupet e takimit të ekspertëve dhe praktikantëve të udhëhequr nga grupi kërkimor Monash DSS, kontribuan në këtë fazë të studimit, e cila kishte për qëllim të fitonte njohuri mbi praktikën e magazina e të dhënave dhe për të identifikuar rreziqet e përfshira në miratimin e tyre. Gjatë kësaj periudhe të studimit kontekstual, u krijua një kuptim i fushës së problemit për të siguruar bazën e njohurive për hetimet e mëvonshme empirike. Megjithatë, ky ishte një proces i vazhdueshëm pasi u krye studimi kërkimor.

Pjesa II: Kërkim empirik

Koncepti relativisht i ri i ruajtjes së të dhënave, veçanërisht në Australi, ka krijuar nevojën për një sondazh për të marrë një pamje të gjerë të përvojës së përdorimit. Kjo pjesë u krye pasi të ishte krijuar fusha e problemit përmes një rishikimi të gjerë të literaturës. Koncepti i ruajtjes së të dhënave i formuar gjatë fazës së studimit kontekstual është përdorur si input për pyetësorin fillestar të këtij studimi. Pas kësaj, pyetësori u rishikua. A jeni ekspert në magazina e të dhënave mori pjesë në testim. Qëllimi i testimit të pyetësorit fillestar ishte të kontrollohej plotësia dhe saktësia e pyetjeve. Bazuar në rezultatet e testit, pyetësori u modifikua dhe versioni i modifikuar iu dërgua me postë pjesëmarrësve në anketë. Më pas pyetësorët e kthyer u analizuan për i dati në tabela, diagrame dhe formate të tjera. THE

rezultatet e analizës së dati formojnë një fotografi të praktikës së ruajtjes së të dhënave në Australi.

PËRMBLEDHJE E DEPOZIMIT TË TË DHËNAVE

Koncepti i ruajtjes së të dhënave ka evoluar me përmirësimet në teknologjinë kompjuterike.
Ai synon të kapërcejë problemet që hasin grupet mbështetëse të aplikacioneve si Sistemi i Mbështetjes së Vendimeve (DSS) dhe Sistemi i Informacionit Ekzekutiv (EIS).

Në të kaluarën pengesa më e madhe e këtyre aplikacioneve ka qenë pamundësia e këtyre aplikacioneve për të ofruar një bazën e të dhënave të nevojshme për analizën.
Kjo është shkaktuar kryesisht nga natyra e punës së menaxhmentit. Interesat e menaxhmentit të një kompanie ndryshojnë vazhdimisht në varësi të zonës së mbuluar. Prandaj i dati themelore për këto aplikacione duhet të jetë në gjendje të ndryshojë me shpejtësi në varësi të pjesës që do të trajtohet.
Kjo do të thotë se i dati duhet të jetë i disponueshëm në formën e duhur për analizat e kërkuara. Në fakt, grupet e mbështetjes së aplikacioneve e kishin shumë të vështirë në të kaluarën mbledhjen dhe integrimin dati nga burime komplekse dhe të ndryshme.

Pjesa tjetër e këtij seksioni paraqet një përmbledhje të konceptit të ruajtjes së të dhënave dhe diskuton se si magazina e të dhënave mund të kapërcejë problemet e grupeve mbështetëse të aplikacioneve.
Termi "Depo e te dhenaveu popullarizua nga William Inmon në vitin 1990. Përkufizimi i tij i cituar shpesh e sheh atë Depo e te dhenave si një koleksion i dati i orientuar nga lënda, i integruar, i paqëndrueshëm dhe i ndryshueshëm me kalimin e kohës, në mbështetje të vendimeve të menaxhimit.

Duke përdorur këtë përkufizim Inmon vë në dukje se i dati me banim në a magazina e të dhënave duhet të ketë 4 karakteristikat e mëposhtme:

• ▪ I orientuar nga lënda
• ▪ Të integruara
• ▪ Jo të paqëndrueshme
• ▪ Ndryshore me kalimin e kohës Nga subjekti i orientuar Inmon do të thotë që i dati në magazina e të dhënave në fushat më të mëdha organizative që kanë qenë

të përcaktuara në model dati. Për shembull të gjitha dati në lidhje me i konsumatorët janë të përfshira në fushën e lëndës KLIENTET. Po kështu të gjitha dati në lidhje me produktet janë të përfshira në fushën e lëndës PRODUKTET.

Nga Integrated Inmon do të thotë që i dati nga platforma, sisteme dhe vendndodhje të ndryshme kombinohen dhe ruhen në një vend. Rrjedhimisht dati të ngjashme duhet të transformohen në formate të qëndrueshme në mënyrë që të shtohen dhe krahasohen lehtësisht.
Për shembull, gjinia mashkullore dhe femërore përfaqësohen me shkronjat M dhe F në një sistem, dhe me 1 dhe 0 në një tjetër. Për t'i integruar ato siç duhet, një ose të dy formatet duhet të transformohen në mënyrë që të dy formatet të jenë të barabartë. Në këtë rast ne mund të ndryshojmë M në 1 dhe F në 0 ose anasjelltas. Të orientuar nga lënda dhe të integruara tregojnë se magazina e të dhënave është projektuar për të ofruar një vizion funksional dhe tërthor të dati nga kompania.

Me Non-volatile ai do të thotë se i dati në magazina e të dhënave mbeten konsistente dhe të përditësuara të dati nuk eshte e nevojshme. Në vend të kësaj, çdo ndryshim në dati origjinalet i shtohen bazës së të dhënave del magazina e të dhënave. Kjo do të thotë se historiani i dati përmbahet në magazina e të dhënave.

Për variablat me kohë Inmon tregon se i dati në magazina e të dhënave përmbajnë gjithmonë treguesit e ritmit ei dati ato zakonisht kalojnë një horizont të caktuar kohor. Për shembull a
magazina e të dhënave mund të përmbajë 5 vjet vlera historike të konsumatorët nga viti 1993 deri në vitin 1997. Disponueshmëria e serive historike dhe kohore të dati ju lejon të analizoni tendencat.

Un magazina e të dhënave ai mund të mbledhë të tijat dati nga sistemet OLTP; nga origjina dati jashtë organizatës dhe/ose nga projekte të tjera të veçanta të sistemit të kurthit dati.
I dati ekstraktet mund të kalojnë një proces pastrimi, në këtë rast i dati transformohen dhe integrohen përpara se të ruhen në bazës së të dhënave del magazina e të dhënave. Pastaj unë dati

me banim brenda bazës së të dhënave del magazina e të dhënave janë vënë në dispozicion për hyrjet dhe mjetet e rikuperimit të përdoruesit fundor. Duke përdorur këto mjete, përdoruesi përfundimtar mund të aksesojë pamjen e integruar të organizimit të dati.

I dati me banim brenda bazës së të dhënave del magazina e të dhënave ato ruhen në format të detajuar dhe përmbledhës.
Niveli i përmbledhjes mund të varet nga natyra e dati. Unë dati i detajuar mund të përbëhet nga dati aktuale dhe dati historianët
I dati reale nuk përfshihen në magazina e të dhënave deri sa i dati në magazina e të dhënave janë ripërditësuar.
Përveç ruajtjes së dati veten e tyre, a magazina e të dhënave gjithashtu mund të ruajë një lloj tjetër Dato quajtur METADATA duke përshkruar i dati me banim në të tijën bazës së të dhënave.
Ekzistojnë dy lloje të meta të dhënave: meta të dhënat e zhvillimit dhe meta të dhënat e analizës.
Meta të dhënat e zhvillimit përdoren për të menaxhuar dhe automatizuar proceset e nxjerrjes, pastrimit, hartës dhe ngarkimit dati në magazina e të dhënave.
Informacioni i përfshirë në metadatat e zhvillimit mund të përmbajë detaje të sistemeve operative, detaje të elementeve që do të nxirren, modelin dati del magazina e të dhënave dhe rregullat e biznesit për konvertimin e të dhënave dati.

Lloji i dytë i meta të dhënave, i njohur si metadata analitike i mundëson përdoruesit fundor të eksplorojë përmbajtjen e magazina e të dhënave për të gjetur dati në dispozicion dhe kuptimin e tyre në terma të qartë, jo teknikë.

Kështu, meta të dhënat analitike funksionojnë si një urë lidhëse midis magazina e të dhënave dhe aplikacionet e përdoruesve fundorë. Këto meta të dhëna mund të përmbajnë modelin e biznesit, përshkrimet e dati që korrespondon me modelin e biznesit, pyetjet dhe raportet e paracaktuara, informacionin për aksesin e përdoruesit dhe indeksin.

Meta të dhënat e analizës dhe zhvillimit duhet të kombinohen në një meta të dhëna të integruara për të funksionuar siç duhet.

Fatkeqësisht, shumë nga mjetet ekzistuese kanë meta të dhënat e tyre dhe aktualisht nuk ka standarde ekzistuese të tilla

lejojnë mjetet e ruajtjes së të dhënave të integrojnë këto meta të dhëna. Për të korrigjuar këtë situatë, shumë shitës të mjeteve kryesore të ruajtjes së të dhënave formuan Këshillin e të Dhënave Meta, i cili më vonë u bë Koalicioni i të Dhënave Meta.

Qëllimi i këtij koalicioni është të ndërtojë një grup standard të meta të dhënave që lejon mjete të ndryshme të ruajtjes së të dhënave të konvertojnë meta të dhënat
Përpjekjet e tyre rezultuan në lindjen e Specifikimit të Shkëmbimit të të Dhënave Meta (MDIS) i cili do të lejojë shkëmbimin e informacionit midis arkivave të Microsoft dhe skedarëve përkatës MDIS.

Ekzistenca e dati i përmbledhur/indeksuar dhe i detajuar, ai i jep përdoruesit mundësinë për të kryer një DRILL DROWN (shpim) nga dati të indeksuar në ato të detajuara dhe anasjelltas. Ekzistenca e dati historia e detajuar lejon krijimin e analizave të tendencave me kalimin e kohës. Përveç kësaj, meta të dhënat e analizës mund të përdoren si një direktori del bazës së të dhënave del magazina e të dhënave për të ndihmuar përdoruesit fundorë të gjejnë i dati e nevojshme.

Në krahasim me sistemet OLTP, me aftësinë e tyre për të mbështetur analizën e dati dhe raportimi, magazina e të dhënave ai shihet si një sistem më i përshtatshëm për proceset e informacionit të tilla si bërja dhe përgjigjja e pyetjeve dhe prodhimi i raporteve. Seksioni tjetër do të nxjerrë në pah ndryshimet e dy sistemeve në detaje.

DEPO E TE DHENAVE KUNDËR SISTEMEVE OLTP

Shumë nga sistemet e informacionit brenda organizatave kanë për qëllim të mbështesin operacionet e përditshme. Këto sisteme të njohura si OLTP SYSTEMS, kapin transaksione ditore që përditësohen vazhdimisht.

I dati brenda këtyre sistemeve ato shpesh modifikohen, shtohen ose fshihen. Për shembull, adresa e një klienti ndryshon ndërsa ai lëviz nga një vend në tjetrin. Në këtë rast adresa e re do të regjistrohet duke modifikuar fushën e adresës së bazës së të dhënave. Objektivi kryesor i këtyre sistemeve është zvogëlimi i kostove të transaksionit dhe në të njëjtën kohë zvogëlimi i kohës së përpunimit. Shembujt e Sistemeve OLTP përfshijnë veprime kritike si regjistrimi i porosive, lista e pagave, faturat, prodhimi, shërbimi ndaj klientit konsumatorët.

Ndryshe nga sistemet OLTP, të cilat u krijuan për procese të bazuara në transaksione dhe ngjarje, d.m.th magazina e të dhënave u krijuan për të ofruar mbështetje të procesit të bazuar në analitikë dati dhe mbi proceset e vendimmarrjes.

Kjo zakonisht arrihet duke integruar i dati nga sisteme të ndryshme OLTP dhe të jashtme në një "kontejner" të vetëm të dati, siç u diskutua në seksionin e mëparshëm.

Modeli i procesit të ruajtjes së të dhënave Monash

Modeli i procesit për magazina e të dhënave Monash u zhvillua nga studiues në Grupin Kërkimor Monash DSS dhe bazohet në literaturën e magazina e të dhënave, përvojë në fushat e sistemeve mbështetëse të zhvillimit, diskutime me shitësit e aplikacioneve për përdorim magazina e të dhënave, mbi një grup ekspertësh në përdorimin e magazina e të dhënave.

Fazat janë: Fillimi, Planifikimi, Zhvillimi, Operacioni dhe Shpjegimi. Diagrami shpjegon natyrën përsëritëse ose evolucionare të zhvillimit të a magazina e të dhënave procesoni duke përdorur shigjeta të dyanshme të vendosura midis fazave të ndryshme. Në këtë kontekst, "përsëritëse" dhe "evolucionare" do të thotë se, në çdo hap të procesit, aktivitetet e zbatimit mund të përhapen gjithmonë prapa në fazën e mëparshme. Kjo është për shkak të natyrës së një projekti magazina e të dhënave në të cilat kërkesa shtesë nga përdoruesi përfundimtar ndodhin në çdo kohë. Për shembull, gjatë fazës së zhvillimit të një procesi magazina e të dhënaveNëse përdoruesi përfundimtar kërkon një madhësi ose zonë të re lënde, e cila nuk ishte pjesë e planit origjinal, ajo duhet të shtohet në sistem. Kjo shkakton një ndryshim në projekt. Rezultati është që ekipi i projektimit duhet të ndryshojë kërkesat e dokumenteve të krijuara deri më tani gjatë fazës së projektimit. Në shumë raste, gjendja aktuale e projektit duhet të kthehet deri në fazën e projektimit, ku kërkesa e re duhet të shtohet dhe dokumentohet. Përdoruesi përfundimtar duhet të jetë në gjendje të shohë dokumentacionin specifik të rishikuar dhe ndryshimet që janë bërë në fazën e zhvillimit. Në fund të këtij cikli zhvillimi, projekti duhet të marrë reagime të mira si nga ekipet e zhvillimit ashtu edhe nga përdoruesit. Më pas, reagimet ripërdoren për të përmirësuar një projekt të ardhshëm.

Planifikimi i kapaciteteve
dw priren të jenë shumë të mëdha në madhësi dhe të rriten shumë shpejt (Best 1995, Rudin 1997a) për shkak të sasisë së dati historike që ruajnë nga kohëzgjatja e tyre. Rritja mund të shkaktohet edhe nga dati shtesat e kërkuara nga përdoruesit për të rritur vlerën e dati që tashmë e kanë. Rrjedhimisht, kërkesat e ruajtjes për dati mund të përmirësohet ndjeshëm (Eckerson 1997). Kështu, është thelbësore të sigurohet, duke kryer planifikimin e kapaciteteve, që sistemi që do të ndërtohet mund të rritet me rritjen e nevojave (Best 1995, LaPlante 1996, Lang 1997, Eckerson 1997, Rudin 1997a, Foley 1997a).
Në planifikimin për shkallëzueshmërinë e magazinës së të dhënave, duhet të dihet rritja e pritur në madhësinë e magazinës, llojet e pyetjeve që mund të bëhen dhe numri i përdoruesve fundorë të mbështetur (Best 1995, Rudin 1997b, Foley 1997a). Ndërtimi i aplikacioneve të shkallëzuara kërkon një kombinim të teknologjive të serverëve të shkallëzuar dhe teknikave të projektimit të aplikacioneve të shkallëzueshme (Best 1995, Rudin 1997b. Të dyja janë të nevojshme në ndërtimin e një aplikacioni shumë të shkallëzuar. Teknologjitë e shkallëzueshme të serverëve mund ta bëjnë të lehtë dhe me kosto efektive shtimin e hapësirës ruajtëse, memorie dhe CPU pa performancë degraduese (Lang 1997, Telephony 1997).

Ekzistojnë dy teknologji kryesore të shkallëzueshme të serverëve: përpunimi simetrik i shumëfishtë (SMP) dhe përpunimi masivisht paralel (MPP)) (IDC 1997, Humphries et al. 1999). Një server SMP zakonisht ka shumë procesorë që ndajnë memorien, autobusët e sistemit dhe burime të tjera (IDC 1997, Humphries et al. 1999). Mund të shtohen procesorë shtesë për të rritur atë pushtet llogaritëse. Një mënyrë tjetër për të rritur pushtet llogaritja e serverit SMP, është të kombinojë shumë makina SMP. Kjo teknikë njihet si grupim (Humphries et al. 1999). Një server MPP, nga ana tjetër, ka procesorë të shumtë secili me memorien e tij, sistemin e autobusit dhe burime të tjera (IDC 1997, Humphries et al. 1999). Çdo procesor quhet nyje. Një rritje në pushtet llogaritëse mund të merret

duke shtuar nyje shtesë në serverët MPP (Humphries et al. 1999).

Një dobësi e serverëve SMP është se shumë operacione input-output (I/O) mund të mbingarkojnë sistemin e autobusëve (IDC 1997). Ky problem nuk ndodh brenda serverëve MPP pasi çdo procesor ka sistemin e vet të autobusit. Megjithatë, ndërlidhjet ndërmjet secilës nyje janë përgjithësisht shumë më të ngadalta se sistemi i autobusëve SMP. Për më tepër, serverët MPP mund të shtojnë një shtresë shtesë kompleksiteti për zhvilluesit e aplikacioneve (IDC 1997). Kështu, zgjedhja midis serverëve SMP dhe MPP mund të ndikohet nga shumë faktorë, duke përfshirë kompleksitetin e aplikacioneve, raportin çmim/performancë, kapacitetin e kërkuar, aplikacionet dw të parandaluara dhe rritjen e madhësisë së bazës së të dhënave të dw dhe në numrin e përdoruesve fundorë.

Një sërë teknikash të shkallëzueshme të projektimit të aplikacioneve mund të përdoren në planifikimin e kapacitetit. Dikush përdor periudha të ndryshme raportimi si ditë, javë, muaj dhe vite. Duke pasur periudha të ndryshme njoftimi, bazës së të dhënave mund të ndahet në pjesë të grupuara në mënyrë të menaxhueshme (Inmon et al. 1997). Një teknikë tjetër është përdorimi i tabelave përmbledhëse të cilat ndërtohen duke përmbledhur dati da dati të detajuara. Kështu, i dati abstraktet janë më kompakte se sa të detajuara, gjë që kërkon më pak hapësirë ​​memorie. Kështu dati detajet mund të arkivohen në një njësi ruajtjeje më pak të kushtueshme, e cila kursen edhe më shumë hapësirë. Ndërsa përdorimi i tabelave përmbledhëse mund të kursejë hapësirën e ruajtjes, ato kërkojnë shumë përpjekje për t'i mbajtur ato aktuale dhe në përputhje me nevojat e biznesit. Megjithatë, kjo teknikë përdoret gjerësisht dhe shpesh përdoret në lidhje me teknikën e mëparshme (Best 1995, Inmon 1996a, Chauduri dhe Dayal
1997).

Përcaktimi Depo e te dhenave Arkitekturat Teknike Përkufizimi i teknikave të arkitekturës dw

Përdoruesit e hershëm të ruajtjes së të dhënave parashikuan kryesisht një zbatim të centralizuar të depove të të dhënave ku të gjithë dati, duke përfshirë i dati të jashtme, u integruan në një të vetme,
depo fizike (Inmon 1996a, Bresnahan 1996, Peacock 1998).

Përfitimi kryesor i kësaj qasjeje është se përdoruesit përfundimtarë janë në gjendje të aksesojnë pamjen e gjerë të ndërmarrjes dati organizative (Ovum 1998). Një tjetër plus është se ofron standardizimin e dati në të gjithë organizatën, që do të thotë se ekziston vetëm një version ose përkufizim për secilën terminologji të përdorur në metadatat e depove (Flanagan dhe Safdie 1997, Ovum 1998). Disavantazhi i kësaj qasjeje, nga ana tjetër, është se është e shtrenjtë dhe e vështirë për t'u ndërtuar (Flanagan dhe Safdie 1997, Ovum 1998, Inmon et al. 1998). Jo shumë kohë pas arkitekturës së ruajtjes dati i centralizuar u bë popullor, koncepti i minierave të nëngrupeve më të vogla të perëndive u zhvillua dati për të mbështetur nevojat e aplikacioneve specifike (Varney 1996, IDC 1997, Berson dhe Smith 1997, pallua 1998). Këto sisteme të vogla rrjedhin nga ai më i madhi magazina e të dhënave i centralizuar. Ata janë emëruar magazina e të dhënave punonjës departamenti ose të dhënat e punonjësve marts. Arkitektura e varur e të dhënave mart njihet si arkitektura me tre nivele ku niveli i parë përbëhet nga magazina e të dhënave e centralizuar, e dyta përbëhet nga depozitat e dati departamenti dhe i treti përbëhet nga aksesi në dati dhe nga mjetet e analizës (Demarest 1994, Inmon et al. 1997).

Martet e të dhënave zakonisht ndërtohen pas magazina e të dhënave i centralizuar u ndërtua për të përmbushur nevojat e njësive specifike (White 1995, Varney 1996).
Ruajtja e të dhënave marts i dati relevante për njësi të veçanta (Inmon et al. 1997, Inmon et al. 1998, IA 1998).

Avantazhi i kësaj metode është se nuk do të ketë Dato jo të integruara dhe që i dati do të jetë më pak i tepërt brenda marsit të të dhënave pasi të gjitha dati vijnë nga një depozitë e dati të integruara. Një avantazh tjetër është se do të ketë më pak lidhje midis çdo tregu të dhënash dhe burimeve të tij dati sepse çdo data mart ka vetëm një burim të dati. Plus me këtë arkitekturë në vend, përdoruesit përfundimtarë mund të kenë ende qasje në dati

organizatat e korporatave. Kjo metodë njihet si metoda nga lart-poshtë, ku marshet e të dhënave ndërtohen pas magazina e të dhënave (pallua 1998, Goff 1998).
Duke rritur nevojën për të treguar rezultate herët, disa organizata kanë filluar të ndërtojnë marte të pavarura të të dhënave (Flanagan dhe Safdie 1997, White 2000). Në këtë rast, tregjet e të dhënave marrin të tyren dati drejt nga bazat e dati OLTP dhe jo-OLTP nga depoja e centralizuar dhe e integruar, duke eliminuar kështu nevojën për një depo qendrore në vend.

Çdo treg i të dhënave kërkon të paktën një lidhje me burimet e tij dati. Një nga disavantazhet e të pasurit lidhje të shumta në çdo treg të të dhënave është se, krahasuar me dy arkitekturat e mëparshme, teprica e dati rritet ndjeshëm.

Çdo treg i të dhënave duhet të ruajë të gjitha dati kërkohet në nivel lokal që të mos ketë ndikim në sistemet OLTP. Kjo shkakton i dati ato ruhen në të dhëna të ndryshme (Inmon et al. 1997). Një tjetër disavantazh i kësaj arkitekture është se ajo çon në krijimin e ndërlidhjeve komplekse midis marsive të të dhënave dhe burimeve të tyre të të dhënave. dati të cilat janë të vështira për t'u zbatuar dhe kontrolluar (Inmon et al. 1997).

Një tjetër disavantazh është se përdoruesit përfundimtarë mund të mos jenë në gjendje të aksesojnë pasqyrën e informacionit të kompanisë sepse i dati e të dhënave të ndryshme marte nuk janë të integruara (Ovum 1998).
Një tjetër disavantazh është se mund të ketë më shumë se një përkufizim për secilën terminologji të përdorur në tregjet e të dhënave që gjeneron mospërputhje të të dhënave. dati në organizim (Ovum 1998).
Pavarësisht nga disavantazhet e diskutuara më sipër, tregjet e pavarura të të dhënave ende tërheqin interesin e shumë organizatave (IDC 1997). Një faktor që i bën ata tërheqës është se ato zhvillohen më shpejt dhe kërkojnë më pak kohë dhe burime (Bresnahan 1996, Berson dhe Smith 1997, Ovum 1998). Rrjedhimisht, ato shërbejnë kryesisht si modele testimi që mund të përdoren për të identifikuar shpejt përfitimet dhe/ose mangësitë në dizajn (Parsaye 1995, Braly 1995, Newing 1996). Në këtë rast, pjesa që do të zbatohet në projektin pilot duhet të jetë e vogël, por e rëndësishme për organizatën (Newing 1996, Mansell-Lewis 1996).

Duke ekzaminuar prototipin, përdoruesit përfundimtarë dhe menaxhimi mund të vendosin nëse do të vazhdojnë apo të ndalojnë projektin (Flanagan dhe Safdie 1997).
Nëse vendimi do të vazhdojë, tregjet e të dhënave për industri të tjera duhet të ndërtohen një nga një. Ekzistojnë dy opsione për përdoruesit përfundimtarë bazuar në nevojat e tyre në ndërtimin e matësve të pavarur të të dhënave: të integruara/federuar dhe të paintegruar (Ovum 1998)

Në metodën e parë, çdo mars i ri i të dhënave duhet të ndërtohet bazuar në mars dhe model aktual të të dhënave dati përdorur nga firma (Varney 1996, Berson dhe Smith 1997, Peacock 1998). Nevoja për të përdorur modelin dati e ndërmarrjes do të thotë që duhet të sigurohet që të ketë vetëm një përkufizim për secilën terminologji të përdorur në të gjitha tregjet e të dhënave, gjithashtu për të siguruar që tregjet e ndryshme të të dhënave mund të bashkohen për të dhënë një pasqyrë të informacionit të ndërmarrjes (Bresnahan 1996). Kjo metodë quhet metoda nga poshtë-lart dhe përdoret më së miri kur ka një kufizim në mjetet financiare dhe në kohë (Flanagan dhe Safdie 1997, Ovum 1998, peacock 1998, Goff 1998). Në metodën e dytë, martesat e ndërtuara të të dhënave mund të plotësojnë vetëm nevojat e një njësie specifike. Një variant i marsit të të dhënave të federuara është magazina e të dhënave të shpërndara në të cilat bazës së të dhënave Softueri i mesëm i serverit hub përdoret për të bashkuar shumë marte të të dhënave në një depo të vetme dati shpërndarë (White 1995). Në këtë rast, i dati bizneset janë të shpërndara në disa tregje të dhënash. Kërkesat e përdoruesve fundorë i përcillen bazës së të dhënave softueri i ndërmjetëm i serverit hub, i cili nxjerr të gjitha dati të kërkuara nga data marts dhe kthejnë rezultatet në aplikacionet e përdoruesve fundorë. Kjo metodë ofron informacion biznesi për përdoruesit përfundimtarë. Megjithatë, problemet e tregjeve të pavarura të të dhënave ende nuk janë eliminuar. Ekziston një arkitekturë tjetër që mund të përdoret e cila quhet magazina e të dhënave virtuale (White 1995). Megjithatë, kjo arkitekturë, e cila është paraqitur në Figurën 2.9, nuk është një arkitekturë e ruajtjes së të dhënave dati real pasi nuk e zhvendos ngarkesën nga sistemet OLTP në magazina e të dhënave (Demarest 1994).

Në fakt, kërkesat për dati nga përdoruesit fundorë ato kalohen në sistemet OLTP të cilat kthejnë rezultate pas përpunimit të kërkesave të përdoruesve. Ndërsa kjo arkitekturë i lejon përdoruesit fundorë të gjenerojnë raporte dhe të bëjnë kërkesa, ajo nuk mund të sigurojë i

dati historia dhe pasqyra e informacionit të kompanisë që nga i dati pasi që sistemet e ndryshme OLTP nuk janë të integruara. Prandaj, kjo arkitekturë nuk mund të kënaqë analizën e dati siç janë parashikimet.

Zgjedhja e aplikacioneve të aksesit dhe rikuperimit të të dhënave dati

Qëllimi i ndërtimit të një magazina e të dhënave është për të përcjellë informacion tek përdoruesit fundorë (Inmon et al. 1997, Poe 1996, McFadden 1996, Shanks et al. 1997, Hammergren 1998); një ose më shumë aplikacione aksesi dhe rikuperimi dati duhet të sigurohet. Deri më sot, ekziston një shumëllojshmëri e gjerë aplikacionesh të tilla që përdoruesi mund të zgjedhë (Hammergren 1998, Humphries et al. 1999). Aplikacionet e përzgjedhura përcaktojnë suksesin e përpjekjes së magazinimit dati në një organizatë sepse aplikacionet janë pjesa më e dukshme e magazina e të dhënave tek përdoruesi përfundimtar (Inmon et al. 1997, Poe 1996). Për të qenë i suksesshëm a magazina e të dhënave, duhet të jetë në gjendje të mbështesë aktivitetet e analizës së të dhënave dati e përdoruesit përfundimtar (Poe 1996, Seddon dhe Benjamin 1998, Eckerson 1999). Kështu duhet të identifikohet "niveli" i asaj që përdoruesi përfundimtar dëshiron (Poe 1996, Mattison 1996, Inmon et al. 1997, Humphries et al. 1999).

Në përgjithësi, përdoruesit përfundimtarë mund të grupohen në tre kategori: përdoruesit ekzekutivë, analistët e biznesit dhe përdoruesit e fuqisë (Poe 1996, Humphries et al. 1999). Përdoruesit ekzekutivë kanë nevojë për qasje të lehtë në grupe të paracaktuara raportesh (Humphries et al. 1999). Këto raporte mund të aksesohen lehtësisht me navigimin e menysë (Poe 1996). Përveç kësaj, raportet duhet të paraqesin informacion duke përdorur paraqitje grafike si tabela dhe shabllone për të përcjellë informacionin shpejt (Humphries et al. 1999). Analistët e biznesit, të cilët mund të mos kenë aftësi teknike për të zhvilluar vetë raportet nga e para, duhet të jenë në gjendje të modifikojnë raportet aktuale për të përmbushur nevojat e tyre specifike (Poe 1996, Humphries et al. 1999). Përdoruesit e fuqisë, nga ana tjetër, janë lloji i përdoruesit fundor që ka aftësinë për të gjeneruar dhe shkruar kërkesa dhe raporte nga e para (Poe 1996, Humphries et al. 1999). Janë ata që

ata ndërtojnë marrëdhënie për lloje të tjera përdoruesish (Poe 1996, Humphries et al. 1999).

Pasi të jenë përcaktuar kërkesat e përdoruesit fundor, duhet të bëhet një përzgjedhje e aplikacioneve të aksesit dhe rikuperimit dati ndër të gjitha ato që janë në dispozicion (Poe 1996, Inmon et al. 1997).
Qasja në dati dhe mjetet e rikthimit mund të klasifikohen në 4 lloje: vegla OLAP, mjet EIS/DSS, mjet për pyetje dhe raportim dhe mjet për nxjerrjen e të dhënave.

Mjetet OLAP lejojnë përdoruesit të krijojnë pyetje ad hoc, si dhe ato të bëra në bazës së të dhënave del magazina e të dhënave. Për më tepër, këto produkte u lejojnë përdoruesve të stërviten nga dati e përgjithshme në të detajuar.

Mjetet EIS/DSS ofrojnë raportime ekzekutive si analiza “po sikur” dhe akses në raportet e drejtuara nga menuja. Raportet duhet të jenë të paracaktuara dhe të bashkohen me menutë për navigim më të lehtë.
Mjetet e pyetjeve dhe raportimit i lejojnë përdoruesit të prodhojnë raporte të paracaktuara dhe specifike.

Mjetet e nxjerrjes së të dhënave përdoren për të identifikuar marrëdhëniet që mund të hedhin dritë të re mbi operacionet e harruara dati të magazinës së të dhënave.

Krahas optimizimit të kërkesave të secilit lloj përdoruesi, mjetet e përzgjedhura duhet të jenë intuitive, efikase dhe të lehta për t'u përdorur. Ata gjithashtu duhet të jenë në përputhje me pjesët e tjera të arkitekturës dhe të aftë për të punuar me sistemet ekzistuese. Gjithashtu sugjerohet që të zgjidhni mjetet e aksesit dhe rikthimit të të dhënave me çmim dhe performancë të arsyeshme. Kriteret e tjera që duhen marrë parasysh përfshijnë angazhimin e shitësit të mjeteve për të mbështetur produktin e tyre dhe zhvillimet që ai do të ketë në publikimet e ardhshme. Për të siguruar angazhimin e përdoruesit në përdorimin e magazinës së të dhënave, ekipi i zhvillimit përfshin përdoruesit në procesin e përzgjedhjes së mjeteve. Në këtë rast, duhet të bëhet një vlerësim praktik i përdoruesit.

Për të rritur vlerën e magazinës së të dhënave, ekipi i zhvillimit mund të sigurojë gjithashtu akses në ueb në depot e tyre të të dhënave. Një magazinë e të dhënave e aktivizuar në ueb i lejon përdoruesit të hyjnë në dati nga vende të largëta ose gjatë udhëtimit. Gjithashtu informacioni mund

të sigurohet me një kosto më të ulët përmes uljes së kostove të trajnimit.

2.4.3 Depo e te dhenave Faza e funksionimit

Kjo fazë përbëhet nga tre aktivitete: përcaktimi i strategjive të rifreskimit të të dhënave, kontrolli i aktiviteteve të magazinës së të dhënave dhe menaxhimi i sigurisë së magazinës së të dhënave.

Përkufizimi i strategjive të rifreskimit të të dhënave

Pas ngarkimit fillestar, i dati në bazës së të dhënave i magazinës së të dhënave duhet të rifreskohet periodikisht për të riprodhuar ndryshimet e bëra në dati origjinalet. Kështu që ju duhet të vendosni se kur të rifreskoni, sa shpesh duhet të planifikohet rifreskimi dhe si të rifreskoni dati. Sugjerohet rifreskimi i dati kur sistemi mund të hiqet jashtë linje. Shpejtësia e rifreskimit përcaktohet nga ekipi i zhvillimit bazuar në kërkesat e përdoruesit. Ekzistojnë dy mënyra për të rifreskuar magazinën e të dhënave: rifreskimi i plotë dhe ngarkimi i vazhdueshëm i ndryshimeve.

Qasja e parë, rifreskimi i plotë, kërkon ringarkimin e të gjithëve dati nga e para. Kjo do të thotë se të gjitha dati e nevojshme duhet të nxirret, pastrohet, transformohet dhe integrohet në çdo rifreskim. Kjo qasje duhet të shmanget sa herë që është e mundur pasi kërkon kohë dhe konsumon burime.

Një qasje alternative është ngarkimi i vazhdueshëm i ndryshimeve. Kjo shton i dati që kanë ndryshuar që nga cikli i fundit i rifreskimit të magazinës së të dhënave. Identifikimi i regjistrimeve të reja ose të ndryshuara redukton ndjeshëm sasinë e dati të cilat duhet të përhapen në magazinën e të dhënave në çdo përditësim si vetëm këto dati do të shtohet në bazës së të dhënave të magazinës së të dhënave.

Ka të paktën 5 qasje që mund të përdoren për të tërhequr i dati të reja ose të modifikuara. Për të arritur një strategji efikase të rifreskimit të videos dati Një përzierje e këtyre qasjeve që sjellin të gjitha ndryshimet në sistem mund të jetë e dobishme.

Qasja e parë, e cila përdor vulat kohore, supozon se të gjithë janë caktuar dati redaktuar dhe përditësuar një vulë kohore në mënyrë që të mund t'i identifikoni lehtësisht të gjitha dati i modifikuar dhe i ri. Megjithatë, kjo qasje nuk është përdorur gjerësisht në shumicën e sistemeve operative sot.
Qasja e dytë është përdorimi i një skedari delta të krijuar nga aplikacioni që përmban vetëm ndryshimet e bëra në dati. Përdorimi i këtij skedari gjithashtu përforcon ciklin e përditësimit. Megjithatë, edhe kjo metodë nuk është përdorur në shumë aplikacione.
Qasja e tretë është të skanoni një skedar log, i cili në thelb përmban informacione të ngjashme me skedarin delta. Dallimi i vetëm është se një skedar log është krijuar për procesin e rikuperimit dhe mund të jetë i vështirë për t'u kuptuar.
Qasja e katërt është modifikimi i kodit të aplikacionit. Megjithatë, shumica e kodit të aplikacionit është i vjetër dhe i brishtë; prandaj kjo teknikë duhet shmangur.
Qasja e fundit është krahasimi i i dati burimet me skedarin kryesor dei dati.

Monitorimi i aktiviteteve të magazinës së të dhënave

Pasi depoja e të dhënave është lëshuar për përdoruesit, ajo duhet të monitorohet me kalimin e kohës. Në këtë rast, administratori i magazinës së të dhënave mund të përdorë një ose më shumë mjete të menaxhimit dhe kontrollit për të monitoruar përdorimin e magazinës së të dhënave. Në veçanti, informacioni mund të mblidhet për njerëzit dhe për kohën kur ata hyjnë në depon e të dhënave. Eja dati të mbledhura, mund të krijohet një profil i punës së kryer, i cili mund të përdoret si hyrje në zbatimin e rimbursimit të përdoruesit. Rikthimi i tarifës i lejon përdoruesit të informohen për koston e përpunimit të magazinës së të dhënave.

Për më tepër, auditimi i magazinës së të dhënave mund të përdoret gjithashtu për të identifikuar llojet e pyetjeve, madhësinë e tyre, numrin e pyetjeve në ditë, kohën e reagimit të pyetjes, sektorët e arritur dhe sasinë e dati të përpunuara. Një qëllim tjetër i kryerjes së auditimit të magazinës së të dhënave është identifikimi i dati të cilat nuk janë në përdorim. Këto dati ato mund të hiqen nga depoja e të dhënave për të përmirësuar kohën

e përgjigjes së ekzekutimit të pyetjes dhe kontrolloni rritjen e dati që banojnë brenda bazën e të dhënave të magazinës së të dhënave.

Menaxhimi i sigurisë së magazinës së të dhënave

Një depo e të dhënave përmban dati e integruar, kritike, e ndjeshme që mund të arrihet lehtësisht. Për këtë arsye duhet të mbrohet nga përdoruesit e paautorizuar. Një mënyrë për të zbatuar sigurinë është përdorimi i funksionit del DBMS për të caktuar privilegje të ndryshme për lloje të ndryshme përdoruesish. Në këtë mënyrë, një profil aksesi duhet të mbahet për çdo lloj përdoruesi. Një mënyrë tjetër për të siguruar ruajtjen e të dhënave është ta kodoni atë siç shkruhet në bazën e të dhënave të magazinës së të dhënave. Qasja në dati dhe mjetet e rikthimit duhet të deshifrojnë dati përpara se të prezantohen rezultatet tek përdoruesit.

2.4.4 Depo e te dhenave Faza e vendosjes

Është faza e fundit në ciklin e zbatimit të magazinës së të dhënave. Aktivitetet që do të kryhen në këtë fazë përfshijnë trajnimin e përdoruesve për përdorimin e magazinës së të dhënave dhe kryerjen e rishikimeve të magazinës së të dhënave.

Trajnimi i përdoruesit

Trajnimi i përdoruesit duhet të bëhet përpara hyrjes dati të magazinës së të dhënave dhe përdorimin e mjeteve të rikuperimit. Në përgjithësi, seancat duhet të fillojnë me një hyrje në konceptin e ruajtjes dati, përmbajtja e magazinës së të dhënave, meta dati dhe veçoritë themelore të mjeteve. Më pas, përdoruesit më të avancuar mund të studiojnë gjithashtu tabelat fizike dhe veçoritë e përdoruesve të mjeteve të aksesit dhe rikthimit të të dhënave.

Ka shumë qasje për të bërë trajnimin e përdoruesve. Njëra prej tyre përfshin një përzgjedhje të shumë përdoruesve ose analistëve të zgjedhur nga një grup përdoruesish, bazuar në aftësitë e tyre drejtuese dhe komunikuese. Këta janë trajnuar personalisht për gjithçka që duhet të dinë për t'u njohur me sistemin. Pas trajnimit, ata kthehen në punët e tyre dhe fillojnë t'u mësojnë përdoruesve të tjerë se si të përdorin sistemin. Në

Bazuar në atë që kanë mësuar, përdoruesit e tjerë mund të fillojnë të eksplorojnë magazinën e të dhënave.
Një qasje tjetër është të trajnoni shumë përdorues në të njëjtën kohë, sikur të stërviteni në një klasë. Kjo metodë është e përshtatshme kur ka shumë përdorues që duhet të trajnohen në të njëjtën kohë. Një metodë tjetër është të trajnoni secilin përdorues individualisht, një nga një. Kjo metodë është e përshtatshme kur ka pak përdorues.

Qëllimi i trajnimit të përdoruesve është të njiheni me aksesin dati dhe mjetet e rikthimit si dhe përmbajtjet e depove të të dhënave. Megjithatë, disa përdorues mund të jenë të mbingarkuar nga sasia e informacionit të dhënë gjatë sesionit të trajnimit. Më pas duhen bërë një numër seancash rifreskuese për mbështetje të vazhdueshme dhe për t'iu përgjigjur pyetjeve specifike. Në disa raste, formohet një grup përdoruesish për të ofruar këtë lloj mbështetjeje.

Mbledhja e komenteve

Pasi të jetë hapur magazina e të dhënave, përdoruesit mund të përdorin i dati që banojnë në depon e të dhënave për qëllime të ndryshme. Kryesisht, analistët ose përdoruesit përdorin i dati në depon e të dhënave për:

1. 1 Identifikoni tendencat e kompanisë
2. 2 Analizoni profilet e blerjes së konsumatorët
3. 3 Ndani i konsumatorët dhe i
4. 4 Ofroni shërbimet më të mira për konsumatorët – personalizoni shërbimet
5. 5 Formuloni strategji marketing
6. 6 Bëni kuota konkurruese për analizat e kostos dhe ndihmoni në kontroll
7. 7 Mbështet vendimmarrjen strategjike
8. 8 Identifikoni mundësitë për të dalë
9. 9 Përmirësimi i cilësisë së proceseve aktuale të biznesit
10. 10 Kontrolloni fitimin

Pas drejtimit të zhvillimit të magazinës së të dhënave, mund të kryhen një sërë rishikimesh të sistemit për të marrë reagime

si nga ekipi i zhvillimit ashtu edhe nga komuniteti i përdoruesve fundorë.
Rezultatet e marra mund të merren parasysh për ciklin e ardhshëm të zhvillimit.

Meqenëse depoja e të dhënave ka një qasje në rritje, është thelbësore të mësohet nga sukseset dhe gabimet e zhvillimeve të mëparshme.

2.5 Përmbledhje

Në këtë kapitull janë diskutuar qasjet e pranishme në literaturë. Në seksionin 1 u diskutua koncepti i magazinës së të dhënave dhe roli i tij në shkencën e vendimmarrjes. Seksioni 2 përshkroi ndryshimet kryesore midis depove të të dhënave dhe sistemeve OLTP. Seksioni 3 diskutoi modelin e magazinës së të dhënave Monash, i cili u përdor në seksionin 4 për të përshkruar aktivitetet e përfshira në procesin e zhvillimit të një depoje të dhënash, këto pretendime nuk bazoheshin në kërkime rigoroze. Ajo që ndodh në realitet mund të jetë shumë e ndryshme nga ajo që raporton literatura, megjithatë këto rezultate mund të përdoren për të krijuar një bagazh bazë që nënvizon konceptin e magazinës së të dhënave për këtë hulumtim.

Kapitulli 3

Metodat e kërkimit dhe projektimit

Ky kapitull trajton metodat e hulumtimit dhe projektimit për këtë studim. Pjesa e parë tregon një pamje të përgjithshme të metodave kërkimore të disponueshme për gjetjen e informacionit, për më tepër janë diskutuar kriteret për zgjedhjen e metodës më të mirë për një studim të caktuar. Në seksionin 2 diskutohen më pas dy metoda të zgjedhura me kriteret e mësipërme; njëra prej tyre do të zgjidhet dhe do të miratohet për arsyet e përcaktuara në seksionin 3 ku përcaktohen edhe arsyet e përjashtimit të kriterit tjetër. Seksioni 4 paraqet projektin kërkimor dhe seksioni 5 konkluzionet.

3.1 Kërkimi në sistemet e informacionit

Hulumtimi i sistemeve të informacionit nuk kufizohet thjesht në sferën teknologjike, por duhet gjithashtu të zgjerohet për të përfshirë qëllimet e sjelljes dhe organizative.
Këtë ia detyrojmë tezave të disiplinave të ndryshme duke filluar nga shkencat shoqërore deri te ato natyrore; kjo çon në nevojën për një spektër të caktuar të metodave kërkimore që përfshijnë metoda sasiore dhe cilësore për t'u përdorur për sistemet e informacionit.
Të gjitha metodat e disponueshme të kërkimit janë të rëndësishme, në fakt disa studiues si Jenkins (1985), Nunamaker et al. (1991), dhe Galliers (1992) argumentojnë se nuk ka një metodë specifike universale për kryerjen e kërkimit në fusha të ndryshme të sistemeve të informacionit; në fakt një metodë mund të jetë e përshtatshme për një kërkim të caktuar, por jo për të tjerët. Kjo na çon në nevojën për të zgjedhur një metodë që është e përshtatshme për projektin tonë të veçantë kërkimor: për këtë zgjedhje Benbasat et al. (1987) deklarojnë se natyra dhe qëllimi i kërkimit duhet të merret parasysh.

3.1.1 Natyra e hulumtimit

Metodat e ndryshme të kërkimit të bazuara në natyrë mund të klasifikohen në tre tradita gjerësisht të njohura në shkencën e informacionit: kërkimi pozitivist, interpretues dhe kritik.

3.1.1.1 Kërkim pozitivist

Hulumtimi pozitivist njihet edhe si studim shkencor ose empirik. Ai kërkon të: "shpjegojë dhe parashikojë se çfarë do të ndodhë në botën sociale duke parë rregullsitë dhe marrëdhëniet shkak-pasojë midis elementeve që e përbëjnë atë" (Shanks et al 1993).

Hulumtimi pozitivist karakterizohet gjithashtu nga përsëritshmëria, thjeshtimet dhe përgënjeshtrimet. Për më tepër, kërkimi pozitivist pranon ekzistencën e marrëdhënieve apriori midis fenomeneve të studiuara.
Sipas Galliers (1992) taksonomia është një metodë kërkimore e përfshirë në paradigmën pozitiviste, e cila megjithatë nuk kufizohet me kaq, në fakt ka eksperimente laboratorike, eksperimente në terren, studime rasti, demonstrime teoremash, parashikime dhe simulime. Duke përdorur këto metoda, studiuesit pranojnë se fenomenet e studiuara mund të vëzhgohen në mënyrë objektive dhe rigoroze.

3.1.1.2 Hulumtimi interpretues

Hulumtimi interpretues, i cili shpesh quhet fenomenologji ose antipozitivizëm, përshkruhet nga Neuman (1994) si "analizë sistematike e kuptimit shoqëror të veprimit përmes vëzhgimit të drejtpërdrejtë dhe të detajuar të njerëzve në situata natyrore, për të arritur në një kuptim dhe interpretimi se si njerëzit krijojnë dhe ruajnë botën e tyre shoqërore”. Studimet interpretuese hedhin poshtë supozimin se fenomenet e vëzhguara mund të vëzhgohen në mënyrë objektive. Në fakt ato bazohen në interpretime subjektive. Për më tepër, studiuesit interpretues nuk u imponojnë kuptime apriori dukurive që studiojnë.

Kjo metodë përfshin studime subjektive/argumentuese, kërkime në veprim, studime përshkruese/interpretuese, kërkime të ardhshme dhe lojëra me role. Përveç këtyre anketave dhe studimeve të rasteve mund të përfshihen në këtë qasje pasi ato kanë të bëjnë me studimet e individëve ose organizatave brenda situatave komplekse të botës reale.

3.1.1.3 Kërkim kritik

Kërkimi kritik është qasja më pak e njohur në shkencat sociale, por kohët e fundit ka marrë vëmendjen e studiuesve në arenën e sistemeve të informacionit. Supozimi filozofik se realiteti shoqëror prodhohet dhe riprodhohet historikisht nga njerëzit, si dhe sistemet shoqërore me veprimet dhe ndërveprimet e tyre. Megjithatë, aftësia e tyre ndërmjetësohet nga një sërë konsideratash sociale, kulturore dhe politike.

Ashtu si kërkimi interpretues, kërkimi kritik argumenton se kërkimi pozitivist nuk ka të bëjë fare me kontekstin social dhe injoron ndikimin e tij në veprimet njerëzore.
Hulumtimi kritik, nga ana tjetër, kritikon kërkimin interpretues se është tepër subjektiv dhe se nuk synon të ndihmojë njerëzit të përmirësojnë jetën e tyre. Dallimi më i madh midis kërkimit kritik dhe dy qasjeve të tjera është dimensioni i tij vlerësues. Ndërsa objektiviteti i traditave pozitiviste dhe interpretuese është të parashikojë ose shpjegojë status quo-në ose realitetin shoqëror, kërkimi kritik synon të vlerësojë dhe transformojë në mënyrë kritike realitetin shoqëror në studim.

Studiuesit kritikë zakonisht kundërshtojnë status quo-në në mënyrë që të heqin dallimet sociale dhe të përmirësojnë kushtet sociale. Hulumtimi kritik ka një përkushtim ndaj një vështrimi të procesit të fenomeneve me interes dhe, për rrjedhojë, është normalisht gjatësor. Shembuj të metodave të kërkimit janë studimet historike afatgjata dhe studimet etnografike. Kërkimi kritik, megjithatë, nuk është përdorur gjerësisht në kërkimin e sistemeve të informacionit

3.1.2 Qëllimi i hulumtimit

Së bashku me natyrën e hulumtimit, qëllimi i tij mund të përdoret për të udhëhequr studiuesin në zgjedhjen e një metode të veçantë kërkimi. Qëllimi i një projekti kërkimor është i lidhur ngushtë me pozicionin e kërkimit në lidhje me ciklin e kërkimit i cili përbëhet nga tre faza: ndërtimi i teorisë, testimi i teorisë dhe përsosja e teorisë. Kështu, bazuar në momentin në lidhje me ciklin e kërkimit, një projekt kërkimor mund të ketë një qëllim shpjegues, përshkrues, eksplorues ose parashikues.

3.1.2.1 Kërkim eksplorues

Hulumtimi eksplorues synon të hetojë një temë krejtësisht të re dhe të formulojë pyetje dhe hipoteza për kërkimet e ardhshme. Ky lloj kërkimi përdoret në ndërtimin e teorisë për të marrë referenca fillestare në një fushë të re. Zakonisht përdoren metoda cilësore të kërkimit, siç janë studimet e rasteve ose studimet fenomenologjike.

Megjithatë, është gjithashtu e mundur që të përdoren teknika sasiore siç janë anketat ose eksperimentet eksploruese.

3.1.3.3 Kërkimi përshkrues

Hulumtimi përshkrues është krijuar për të analizuar dhe përshkruar me hollësi të madhe një situatë të veçantë ose praktikë organizative. Kjo është e përshtatshme për ndërtimin e teorive dhe mund të përdoret gjithashtu për të konfirmuar ose sfiduar hipotezat. Hulumtimi përshkrues zakonisht përfshin përdorimin e matjeve dhe mostrave. Metodat e përshtatshme të kërkimit përfshijnë anketat dhe analizat e sfondit.

3.1.2.3 Hulumtim shpjegues

Hulumtimi shpjegues përpiqet të shpjegojë pse ndodhin gjërat. Ai bazohet në fakte që tashmë janë studiuar dhe përpiqet të gjejë arsyet e këtyre fakteve.
Kështu, kërkimi shpjegues zakonisht ndërtohet në krye të kërkimit eksplorues ose përshkrues dhe është ndihmës për testimin dhe përsosjen e teorive. Hulumtimi shpjegues zakonisht përdor studime rasti ose metoda kërkimore të bazuara në anketa.

3.1.2.4 Hulumtimi parandalues

Hulumtimi parandalues ​​synon të parashikojë ngjarjet dhe sjelljet e vëzhguara që po studiohen (Marshall dhe Rossman 1995). Parashikimi është testi standard shkencor i së vërtetës. Ky lloj kërkimi në përgjithësi përdor anketa ose analiza të të dhënave dati historianët. (Yin 1989)

Diskutimi i mësipërm tregon se ekzistojnë një sërë metodash të mundshme kërkimi që mund të përdoren në një studim të caktuar. Megjithatë, duhet të ketë një metodë specifike që është më e përshtatshme se të tjerat për një lloj të caktuar projekti kërkimor. (Galliers 1987, Yin 1989, De Vaus 1991). Prandaj, çdo studiues duhet të vlerësojë me kujdes anët e forta dhe të dobëta të metodave të ndryshme, në mënyrë që të adoptojë metodën më të përshtatshme të kërkimit në përputhje me projektin kërkimor. (Jenkins 1985, Pervan dhe Klass 1992, Bonomia 1985, Yin 1989, Himilton dhe Ives 1992).

3.2. Metodat e mundshme të kërkimit

Objektivi i këtij projekti ishte të studionte përvojën e organizatave australiane me i dati të ruajtura me një zhvillim të magazina e të dhënave. Dato se aktualisht ka mungesë kërkimi në fushën e ruajtjes së të dhënave në Australi, ky projekt kërkimor është ende në fazën teorike të ciklit kërkimor dhe ka një qëllim eksplorues. Eksplorimi i përvojës në organizatat australiane që adoptojnë ruajtjen e të dhënave kërkon interpretimin e shoqërisë reale. Rrjedhimisht, supozimi filozofik që qëndron në themel të projektit kërkimor ndjek interpretimin tradicional.

Pas ekzaminimit rigoroz të metodave të disponueshme, janë identifikuar dy metoda të mundshme kërkimi: anketat dhe studimet e rasteve, të cilat mund të përdoren për kërkime eksploruese (Shanks et al. 1993). Galliers (1992) argumenton përshtatshmërinë e këtyre dy metodave për këtë studim të veçantë në taksonominë e tij të rishikuar duke thënë se ato janë të përshtatshme për ndërtim teorik. Dy nënseksionet e mëposhtme diskutojnë secilën metodë në detaje.

3.2.1 Metoda e hulumtimit me anketë

Metoda e hulumtimit të anketës vjen nga metoda antike e regjistrimit. Regjistrimi ka të bëjë me mbledhjen e informacionit nga një popullatë e tërë. Kjo metodë është e shtrenjtë dhe jopraktike, veçanërisht nëse popullsia është e madhe. Kështu, krahasuar me një regjistrim, një anketë zakonisht fokusohet në mbledhjen e informacionit për një numër të vogël, ose kampion, të përfaqësuesve të popullsisë (Fowler 1988, Neuman 1994). Një kampion pasqyron popullsinë nga e cila është nxjerrë, me shkallë të ndryshme saktësie, në varësi të strukturës së mostrës, madhësisë dhe metodës së përzgjedhjes së përdorur (Fowler 1988, Babbie 1982, Neuman 1994).

Metoda e anketës përkufizohet si "pamjet e çastit të praktikave, situatave ose pikëpamjeve në një moment të caktuar kohor, të ndërmarra duke përdorur pyetësorë ose intervista, nga të cilat mund të dalin përfundime
bërë” (Galliers 1992:153) [fotografi e çastit e praktikave, situatave ose pamjeve në një moment të caktuar kohor, marrë duke përdorur pyetësorë ose intervista, nga të cilat mund të nxirren përfundime]. Sondazhet kanë të bëjnë me mbledhjen e informacionit rreth aspekteve të caktuara të studimit nga një numër pjesëmarrësish duke bërë pyetje (Fowler 1988). Këta pyetësorë dhe intervista, të cilat përfshijnë intervista telefonike ballë për ballë dhe intervista të strukturuara, janë gjithashtu teknika grumbullimi dati të përdorura në sondazhe (Blalock 1970, Nachmias dhe Nachmias 1976, Fowler 1988), mund të përdoren vëzhgime dhe analiza (Gable 1994). Nga të gjitha këto metoda të mbledhjes së perëndive dati, përdorimi i pyetësorit është teknika më e njohur, pasi siguron që i dati

të mbledhura strukturohen dhe formatohen, dhe kështu lehtësojnë klasifikimin e informacionit (Hwang 1987, de Vaus 1991).

Në analizimin e i dati, një strategji anketimi shpesh përdor teknika sasiore, të tilla si analiza statistikore, por teknikat cilësore mund të përdoren gjithashtu (Galliers 1992, Pervan

dhe Klass 1992, Gable 1994). Normalisht, i dati të mbledhura përdoren për të analizuar shpërndarjet dhe modelet e asociacioneve (Fowler 1988).

Megjithëse anketat janë përgjithësisht të përshtatshme për kërkime që kanë të bëjnë me pyetjen 'çfarë?' (çfarë) ose që rrjedhin prej tij, si 'quanto' (sa) dhe 'quant'è' (sa), ato mund të pyeten përmes pyetjes 'pse' (Sonquist dhe Dunkelberg 1977, Yin 1989). Sipas Sonquist dhe Dunkelberg (1977), kërkimi kërkimor synon hipoteza të vështira, programe vlerësimi, përshkrimin e popullsisë dhe zhvillimin e modeleve të sjelljes njerëzore. Për më tepër, sondazhet mund të përdoren për të studiuar opinionin, kushtet, besimet, karakteristikat, pritjet dhe madje edhe sjelljet e kaluara ose të tashme të një popullate të caktuar (Neuman 1994).

Sondazhet i lejojnë studiuesit të zbulojë marrëdhëniet me popullsinë dhe rezultatet janë zakonisht më të përgjithshme se metodat e tjera (Sonquist dhe Dunkelberg 1977, Gable 1994). Sondazhet i lejojnë studiuesit të mbulojnë një zonë më të gjerë gjeografike dhe të arrijnë një numër të madh të anketuarish (Blalock 1970, Sonquist dhe Dunkelberg 1977, Hwang dhe Lin 1987, Gable 1994, Neuman 1994). Së fundi, sondazhet mund të ofrojnë informacion që nuk është i disponueshëm diku tjetër ose në formën e kërkuar për analiza (Fowler 1988).

Megjithatë, ka disa kufizime për kryerjen e një sondazhi. Një disavantazh është se studiuesi nuk mund të marrë shumë informacion për objektin e studiuar. Kjo për faktin se anketat kryhen vetëm në një kohë të caktuar dhe, për rrjedhojë, ka një numër të kufizuar variablash dhe njerëzish që studiuesi mund të

studim (Yin 1989, de Vaus 1991, Gable 1994, Denscombe 1998). Një tjetër disavantazh është se kryerja e një sondazhi mund të jetë shumë e kushtueshme për sa i përket kohës dhe burimeve, veçanërisht nëse përfshin intervista ballë për ballë (Fowler 1988).

3.2.2. Metoda e Kërkimit Kërkimor

Metoda e kërkimit kërkimor përfshin studimin e thelluar të një situate të veçantë brenda kontekstit të saj aktual për një periudhë të përcaktuar kohore, pa asnjë ndërhyrje nga ana e studiuesit (Shanks & C. 1993, Eisenhardt 1989, Jenkins 1985). Kryesisht kjo metodë përdoret për të përshkruar marrëdhëniet midis variablave që studiohen në një situatë të caktuar (Galliers 1992). Hetimet mund të përfshijnë raste të vetme ose të shumëfishta, në varësi të fenomenit të analizuar (Franz dhe Robey 1987, Eisenhardt 1989, Yin 1989).

Metoda e kërkimit kërkimor përkufizohet si "një hetim empirik që heton një fenomen bashkëkohor brenda kontekstit të tij aktual, duke përdorur burime të shumta të nxjerra nga një ose më shumë entitete si njerëz, grupe ose organizata" (Yin 1989). Nuk ka një ndarje të qartë midis fenomenit dhe kontekstit të tij dhe nuk ka kontroll apo manipulim eksperimental të variablave (Yin 1989, Benbasat et al. 1987).

Ka një shumëllojshmëri teknikash për mbledhjen e perëndive dati që mund të përdoren në metodën e hetimit, të cilat përfshijnë vëzhgime të drejtpërdrejta, rishikime të të dhënave arkivore, pyetësorë, rishikim të dokumentacionit dhe intervista të strukturuara. Duke pasur një gamë të larmishme teknikash të vjeljes dati, sondazhet i lejojnë studiuesit të merren me të dyja dati cilësore dhe sasiore në të njëjtën kohë (Bonoma 1985, Eisenhardt 1989, Yin 1989, Gable 1994). Siç është rasti me metodën e anketimit, një studiues i anketimit shërben si vëzhgues ose studiues dhe jo si pjesëmarrës aktiv në organizatën në studim.

Benbasat et al. (1987) pohojnë se metoda e kërkimit është veçanërisht e përshtatshme për ndërtimin e teorisë së kërkimit, e cila fillon me një pyetje kërkimore dhe vazhdon me trajnimin.

të një teorie gjatë procesit të mbledhjes dati. Duke qenë i përshtatshëm edhe për skenë

për ndërtimin e teorisë, Franz dhe Robey (1987) sugjerojnë se metoda e kërkimit mund të përdoret gjithashtu për fazën e teorisë komplekse. Në këtë rast, bazuar në provat e mbledhura, verifikohet ose rrëzohet një teori ose hipotezë e caktuar. Përveç kësaj, kërkimi është gjithashtu i përshtatshëm për kërkime që kanë të bëjnë me pyetjet 'si' ose 'pse' (Yin 1989).

Krahasuar me metodat e tjera, anketat i lejojnë studiuesit të kapë informacionin thelbësor në më shumë detaje (Galliers 1992, Shanks et al. 1993). Për më tepër, hetimet i lejojnë studiuesit të kuptojë natyrën dhe kompleksitetin e proceseve të studiuara (Benbasat et al. 1987).

Ka katër disavantazhe kryesore që lidhen me metodën e kërkimit. E para është mungesa e zbritjeve të kontrolluara. Subjektiviteti i studiuesit mund të ndryshojë rezultatet dhe përfundimet e studimit (Yin 1989). Disavantazhi i dytë është mungesa e vëzhgimit të kontrolluar. Ndryshe nga metodat eksperimentale, studiuesi kërkues nuk mund të kontrollojë fenomenet e studiuara pasi ato shqyrtohen në kontekstin e tyre natyror (Gable 1994). Disavantazhi i tretë është mungesa e përsëritshmërisë. Kjo për faktin se studiuesi nuk ka gjasa të vëzhgojë të njëjtat ngjarje dhe nuk mund të verifikojë rezultatet e një studimi të caktuar (Lee 1989). Së fundi, si pasojë e mospërsëritshmërisë, është e vështirë të përgjithësohen rezultatet e marra nga një ose më shumë anketa (Galliers 1992, Shanks et al. 1993). Megjithatë, të gjitha këto probleme nuk janë të pakapërcyeshme dhe, në fakt, mund të minimizohen nga studiuesi duke zbatuar veprimet e duhura (Lee 1989).

3.3. Arsyetoni metodologjinë e kërkimit miratuar

Nga dy metodat e mundshme të kërkimit për këtë studim, metoda e anketimit konsiderohet si më e përshtatshme. Hetimorja u refuzua pas shqyrtimit të kujdesshëm të lidhjes

meritat dhe dobësitë. Komoditeti ose papërshtatshmëria e secilës metodë për këtë studim diskutohet më poshtë.

3.3.1. Metoda e papërshtatshme e hulumtimit të hetimit

Metoda e hetimit kërkon studimin e thellë të një situate të veçantë brenda një ose më shumë organizatave për një periudhë kohore (Eisenhardt 1989). Në këtë rast, periudha mund të tejkalojë kornizën kohore të dhënë për këtë studim. Një arsye tjetër për të mos adoptuar metodën e hetimit është se rezultatet mund të vuajnë nga mungesa e ashpërsisë (Yin 1989). Subjektiviteti i studiuesit mund të ndikojë në rezultatet dhe përfundimet. Një arsye tjetër është se kjo metodë është më e përshtatshme për pyetjet kërkimore të tipit 'si' ose 'pse' (Yin 1989), ndërsa pyetja kërkimore për këtë studim është e llojit 'çfarë'. E fundit, por jo më pak e rëndësishme, është e vështirë të përgjithësohen gjetjet nga vetëm një ose disa anketa (Galliers 1992, Shanks et al. 1993). Bazuar në këtë arsyetim, metoda e hulumtimit të anketës nuk u zgjodh pasi ishte e papërshtatshme për këtë studim.

3.3.2. Komoditeti i metodës së kërkimit të studim

Kur u krye ky hulumtim, praktika e ruajtjes së të dhënave nuk ishte miratuar gjerësisht nga organizatat australiane. Prandaj, nuk kishte shumë informacion në lidhje me zbatimin e tyre brenda organizatave australiane. Informacioni i disponueshëm erdhi nga organizata që kishin zbatuar ose përdorur a magazina e të dhënave. Në këtë rast, metoda e hulumtimit të anketës është më e përshtatshme pasi lejon marrjen e informacionit që nuk është i disponueshëm diku tjetër ose në formën e kërkuar për analizë (Fowler 1988). Përveç kësaj, metoda kërkimore e kërkimit i lejon studiuesit të fitojë një pasqyrë të mirë në praktikat, situatat ose pikëpamjet në një kohë të caktuar (Galliers 1992, Denscombe 1998). U kërkua një përmbledhje për të rritur ndërgjegjësimin për përvojën australiane të ruajtjes së të dhënave.

Për më tepër, Sonquist dhe Dunkelberg (1977) deklarojnë se rezultatet e hulumtimit të anketës janë më të përgjithshme se metodat e tjera.

3.4. Dizajni i Hulumtimit të Sondazhit

Sondazhi i praktikës së ruajtjes së të dhënave u krye në vitin 1999. Popullata e synuar përbëhej nga organizata australiane të interesuara në studimet e magazinimit të të dhënave, pasi ato me gjasë ishin tashmë të vetëdijshme për dati të cilat ata i ruajnë dhe, për rrjedhojë, mund të ofrojnë informacion të dobishëm për këtë studim. Popullata e synuar u identifikua me një anketë fillestare të të gjithë anëtarëve australianë të 'Institutit të Magazinimit të të Dhënave' (Tdwi-aap). Ky seksion diskuton hartimin e fazës së kërkimit empirik të këtij studimi.

3.4.1. Teknika e mbledhjes dati

Nga tre teknikat e përdorura zakonisht në hulumtimin e anketës (p.sh. pyetësor me postë, intervistë telefonike dhe intervistë personale) (Nachmias 1976, Fowler 1988, de Vaus 1991), pyetësori me postë u miratua për këtë studim. Arsyeja e parë për adoptimin e kësaj të fundit është se ajo mund të arrijë një popullsi të shpërndarë gjeografikisht (Blalock 1970, Nachmias dhe Nachmias 1976, Hwang dhe Lin 1987, de Vaus 1991, Gable 1994). Së dyti, pyetësori me postë është i përshtatshëm për pjesëmarrësit me arsim të lartë (Fowler 1988). Pyetësori me postë për këtë studim iu drejtua sponsorëve të projektit për ruajtjen e të dhënave, drejtorëve dhe/ose menaxherëve të projektit. Së treti, pyetësorët postar janë të përshtatshëm kur ekziston një listë e sigurt adresash (Salant dhe Dilman 1994). TDWI, në këtë rast, një shoqatë e besuar e magazinimit të të dhënave dha listën e postimeve të anëtarëve të saj Australianë. Një avantazh tjetër i pyetësorit me postë mbi pyetësorët me telefon ose intervistat personale është se ai i lejon të anketuarit të përgjigjen më saktë, veçanërisht kur të anketuarit duhet të konsultojnë të dhënat ose të diskutojnë pyetje me njerëz të tjerë (Fowler 1988).

Një disavantazh i mundshëm mund të jetë koha e nevojshme për të kryer pyetësorët me postë. Normalisht, një pyetësor me postë kryhet në këtë sekuencë: letra me postë, prisni përgjigje dhe dërgoni konfirmim (Fowler 1988, Bainbridge 1989). Kështu, koha totale mund të jetë më e gjatë se koha e kërkuar për intervista ballë për ballë ose intervista telefonike. Megjithatë, koha totale mund të dihet paraprakisht (Fowler 1988, Denscombe 1998). Koha e shpenzuar për kryerjen e intervistave personale nuk mund të dihet paraprakisht pasi ajo ndryshon nga intervista në intervistë (Fowler 1988). Intervistat telefonike mund të jenë më të shpejta se pyetësorët me postë dhe intervistat personale, por mund të kenë një shkallë të lartë pa përgjigje për shkak të padisponueshmërisë së disa njerëzve (Fowler 1988). Për më tepër, intervistat telefonike përgjithësisht kufizohen në lista relativisht të shkurtra pyetjesh (Bainbridge 1989).

Një dobësi tjetër e një pyetësori të dërguar me postë është shkalla e lartë e mospërgjigjeve (Fowler 1988, Bainbridge 1989, Neuman 1994). Megjithatë, kundërmasat u morën duke e shoqëruar këtë studim me një institucion të besueshëm të ruajtjes së të dhënave (d.m.th. TDWI) (Bainbridge 1989, Neuman 1994), i cili lëshon dy letra rikujtuese për ata që nuk përgjigjen (Fowler 1988, Neuman 1994) dhe gjithashtu përfshin një letër shtesë që shpjegon qëllimi i studimit (Neuman 1994).

3.4.2. Njësia e analizës

Qëllimi i këtij studimi është të marrë informacion në lidhje me zbatimin e magazinimit të të dhënave dhe përdorimin e tij brenda organizatave australiane. Popullata e synuar janë të gjitha organizatat australiane që kanë zbatuar, ose janë duke zbatuar, d.m.th magazina e të dhënave. Organizatat individuale më pas regjistrohen. Pyetësori iu dërgua me postë organizatave të interesuara për ta adoptuar magazina e të dhënave. Kjo metodë siguron që informacioni i mbledhur të vijë nga burimet më të përshtatshme të çdo organizate pjesëmarrëse.

3.4.3. Mostra e anketës

Lista e postimeve e pjesëmarrësve në anketë është marrë nga TDWI. Nga kjo listë, 3000 organizata australiane u zgjodhën si bazë për kampionim. Një letër vijuese që shpjegon projektin dhe qëllimin e anketës, së bashku me një formular përgjigjeje dhe një zarf të parapaguar për kthimin e pyetësorit të plotësuar iu dërguan kampionit. Nga 3000 organizata, 198 ranë dakord të merrnin pjesë në studim. Pritej një numër kaq i vogël i përgjigjeve Dato numri i madh i organizatave australiane që atëherë kishin përqafuar ose po përqafonin strategjinë e ruajtjes së të dhënave brenda organizatave të tyre. Kështu, popullata e synuar për këtë studim përbëhet nga vetëm 198 organizata.

3.4.4. Përmbajtja e pyetësorit

Hartimi i pyetësorit u bazua në modelin e ruajtjes së të dhënave Monash (diskutuar më parë në pjesën 2.3). Përmbajtja e pyetësorit u bazua në rishikimin e literaturës të paraqitur në kapitullin 2. Një kopje e pyetësorit të dërguar me postë tek pjesëmarrësit në anketë mund të gjendet në Shtojcën B. Pyetësori përbëhet nga gjashtë seksione, të cilat ndjekin hapat e modelit të mbuluar. Gjashtë paragrafët e mëposhtëm përmbledhin shkurtimisht përmbajtjen e secilit seksion.

Seksioni A: Informacioni bazë për organizatën
Ky seksion përmban pyetje në lidhje me profilin e organizatave pjesëmarrëse. Për më tepër, disa nga pyetjet lidhen me statusin e projektit të depozitimit të të dhënave të pjesëmarrësit. Informacioni konfidencial si emri i organizatës nuk u zbulua në analizën e anketës.

Seksioni B: Fillimi
Pyetjet në këtë seksion kanë të bëjnë me fillimin e magazinimit të të dhënave. U shtruan pyetje në lidhje me iniciatorët e projektit, sponsorët, aftësitë dhe njohuritë e kërkuara, qëllimet e zhvillimit të ruajtjes së të dhënave dhe pritshmëritë e përdoruesve përfundimtarë.

Seksioni C: Projektimi
Ky seksion përmban pyetje që lidhen me aktivitetet e planifikimit të magazina e të dhënave. Në veçanti, pyetjet kishin të bënin me qëllimin e zbatimit, kohëzgjatjen e projektit, koston e projektit dhe analizën kosto/përfitim.

Seksioni D: Zhvillimi
Në seksionin e zhvillimit ka pyetje që lidhen me aktivitetet e zhvillimit të magazina e të dhënave: mbledhja e kërkesave të përdoruesit fundor, burimet e dati, modeli logjik i dati, prototipet, planifikimi i kapaciteteve, arkitekturat teknike dhe përzgjedhja e mjeteve të zhvillimit të magazinimit të të dhënave.

Seksioni E: Operacioni
Pyetjet operative që lidhen me funksionimin dhe shtrirjen e magazina e të dhënave, ndërsa evoluon në fazën tjetër të zhvillimit. Aty cilësinë e të dhënave, strategjitë e rifreskimit të dati, granulariteti i dati, shkallëzueshmëria e magazina e të dhënave dhe çështjet e sigurisë magazina e të dhënave ishin ndër llojet e pyetjeve të bëra.

Seksioni F: Zhvillimi
Ky seksion përmban pyetje në lidhje me përdorimin e magazina e të dhënave nga përdoruesit përfundimtarë. Studiuesi ishte i interesuar për qëllimin dhe dobinë e magazina e të dhënave, strategjitë e rishikimit dhe trajnimit të miratuara dhe strategjia e kontrollit të magazina e të dhënave miratuar.

3.4.5. Shkalla e përgjigjeve

Edhe pse anketat me postë kritikohen për një shkallë të ulët të përgjigjeve, janë ndërmarrë hapa për të rritur shkallën e kthimit (siç u diskutua më lart në seksionin 3.4.1). Termi 'shkalla e përgjigjes' i referohet përqindjes së njerëzve në një kampion të veçantë anketimi që i përgjigjen pyetësorit (Denscombe 1998). Formula e mëposhtme është përdorur për të llogaritur shkallën e përgjigjes për këtë studim:

Numri i njerëzve që u përgjigjën
Shkalla e përgjigjeve = —————————————————————————– X 100 Numri total i pyetësorëve të dërguar

3.4.6. Pilot testues

Përpara se pyetësori t'i dërgohej kampionit, pyetjet u testuan duke kryer prova pilot, siç sugjeruan Luck dhe Rubin (1987), Jackson (1988) dhe de Vaus (1991). Qëllimi i provave pilot është të zbulojë çdo shprehje të vështirë, të paqartë dhe pyetje të vështira për t'u interpretuar, të sqarojë çdo përkufizim dhe term të përdorur dhe të identifikojë kohën e përafërt të nevojshme për plotësimin e pyetësorit (Warwick dhe Lininger 1975, Jackson 1988, Salant dhe Dilman 1994). Provat pilot u kryen duke zgjedhur subjekte me karakteristika të ngjashme me ato të lëndëve përfundimtare, siç sugjerohet nga Davis e Cosenza (1993). Në këtë studim, gjashtë profesionistë të magazinimit të të dhënave u zgjodhën si subjekte pilot. Pas çdo testi pilot, janë bërë korrigjimet e nevojshme. Nga testet pilot të kryera, pjesëmarrësit kontribuan në rimodelimin dhe rivendosjen e versionit përfundimtar të pyetësorit.

3.4.7. Metodat e Analizës së të dhëna

I dati Të dhënat e anketimit të mbledhura nga pyetësorët e mbyllur u analizuan duke përdorur një paketë softuerike statistikore të quajtur SPSS. Shumë nga përgjigjet u analizuan duke përdorur statistika përshkruese. Një numër pyetësorësh u kthyen të paplotësuar. Këto janë trajtuar më me kujdes për t'u siguruar që i dati mungesat nuk ishin pasojë e gabimeve në futjen e të dhënave, por për shkak se pyetjet nuk ishin të përshtatshme për të regjistruarin, ose i regjistruari vendosi të mos përgjigjet në një ose më shumë pyetje specifike. Këto përgjigje që mungojnë janë injoruar kur analizohen të dhënat dati dhe u koduan si '-9' për të siguruar përjashtimin e tyre nga procesi i analizës.

Në përgatitjen e pyetësorit, pyetjet e mbyllura ishin të koduara paraprakisht duke i caktuar një numër secilit opsion. Numri më pas u përdor për të trajnuar i dati gjatë analizës (Denscombe 1998, Sapsford dhe Jupp 1996). Për shembull, kishte gjashtë opsione të listuara në pyetjen 1 të seksionit B: bordi i drejtorëve, ekzekutivi i lartë, departamenti i TI-së, njësia e biznesit, konsulentët dhe të tjerët. Në dosjen e dati i SPSS, u krijua një variabël për 'iniciatorin e projektit', me gjashtë etiketa vlerash: '1' për 'bordin', '2' për 'ekzekutiv i lartë' dhe kështu me radhë Rruga. Përdorimi i shkallës Likertin në disa nga pyetjet e mbyllura gjithashtu lejoi identifikimin e lehtë duke përdorur vlerat numerike përkatëse të futura në SPSS. Për pyetjet me përgjigje jo shteruese, të cilat nuk ishin reciprokisht ekskluzive, çdo opsion u trajtua si një variabël i vetëm me dy etiketa vlerash: '1' për 'kontrolluar' dhe '2' për 'e pakontrolluar'.

Pyetjet e hapura u trajtuan ndryshe nga pyetjet e mbyllura. Përgjigjet e këtyre pyetjeve nuk janë futur në SPSS. Në vend të kësaj, ato u analizuan me dorë. Përdorimi i këtij lloji të pyetjeve lejon marrjen e informacionit rreth ideve të shprehura lirisht dhe përvojave personale tek të anketuarit (Bainbridge 1989, Denscombe 1998). Aty ku ishte e mundur, u bë një kategorizim i përgjigjeve.

Për analizën e datipërdoren metoda të analizës së thjeshtë statistikore, si frekuenca e përgjigjeve, mesatarja, devijimi standard dhe mesatarja (Argyrous 1996, Denscombe 1998).
Testi Gama ishte performues për marrjen e masave sasiore të lidhjeve ndërmjet dati rendore (Norusis 1983, Argyrous 1996). Këto teste ishin të përshtatshme sepse shkallët rendore të përdorura nuk kishin shumë kategori dhe mund të tregoheshin në një tabelë (Norusis 1983).

3.5 Përmbledhje

Në këtë kapitull u diskutua metodologjia dhe dizajni i kërkimit të miratuar për këtë studim.

Zgjedhja e metodës më të përshtatshme të kërkimit për një studim të caktuar kërkon
shqyrtimi i një numri rregullash, duke përfshirë natyrën dhe llojin e kërkimit, si dhe meritat dhe dobësitë e secilës metodë të mundshme (Jenkins 1985, Benbasat et al. 1097, Galliers and Land 1987, yin 1989, Hamilton dhe ives 1992, Galliers 1992, neuman 1994). Duke pasur parasysh mungesën e njohurive dhe teorisë ekzistuese në lidhje me adoptimin e ruajtjes së të dhënave në Australi, ky studim kërkimor kërkon një metodë kërkimore interpretuese me një aftësi eksploruese për të eksploruar përvojat e organizatave australiane. Metoda e zgjedhur e kërkimit u zgjodh për të mbledhur informacion në lidhje me adoptimin e konceptit të ruajtjes së të dhënave nga organizatat australiane. Një pyetësor postar u zgjodh si teknikë e mbledhjes dati. Arsyetimet për metodën e kërkimit dhe teknikën e mbledhjes dati përzgjedhjet do të jepen në këtë kapitull. Më tej, u diskutua për njësinë e analizës, kampionin e përdorur, përqindjet e përgjigjeve, përmbajtjen e pyetësorit, paratestin e pyetësorit dhe metodën e analizës së dati.

Projektimi a Depo e te dhenave:

Kombinimi i marrëdhënieve të entitetit dhe modelimit dimensional

Abstract
Dyqani i dati është një çështje kryesore aktuale për shumë organizata. Një problem kyç në zhvillimin e magazinimit dati është dizajni i tij.
Vizatimi duhet të mbështesë zbulimin e koncepteve në magazina e të dhënave të sistemit të trashëgimisë dhe burimeve të tjera të dati dhe gjithashtu një kuptim dhe efikasitet i lehtë në zbatimin e magazina e të dhënave.
Pjesa më e madhe e literaturës së magazinimit dati rekomandon përdorimin e modelimit të marrëdhënieve të entitetit ose modelimit dimensional për të përfaqësuar dizajnin e magazina e të dhënave.
Në këtë punim ne tregojmë se si të dyja përfaqësimet mund të kombinohen në një qasje ndaj dizajnit të magazina e të dhënave. Qasja e përdorur është sistematike

shqyrtohet në një rast studimor dhe identifikohet në një sërë implikimesh të rëndësishme me profesionistët.

RUAJTJA E TË DHËNAVE

Un magazina e të dhënave ai zakonisht përkufizohet si një "mbledhje e të dhënave e orientuar nga subjekti, e integruar, e varianteve kohore dhe e paqëndrueshme në mbështetje të vendimeve të menaxhmentit" (Inmon dhe Hackathorn, 1994). I orientuar nga lënda dhe i integruar tregon se magazina e të dhënave është projektuar për të kapërcyer kufijtë funksionalë të sistemeve të trashëgimisë për të ofruar një perspektivë të integruar të dati.
Varianti kohor ka të bëjë me natyrën historike ose të serive kohore të videos dati ne nje magazina e të dhënave, e cila mundëson analizimin e tendencave. Jo e paqëndrueshme tregon se magazina e të dhënave nuk përditësohet vazhdimisht si a bazës së të dhënave të OLTP. Përkundrazi përditësohet periodikisht, me dati nga burime të brendshme dhe të jashtme. Të magazina e të dhënave është projektuar posaçërisht për kërkime në vend të përditësimit të integritetit dhe performancës së funksionimit.
Ideja e ruajtjes së i dati nuk është e re, ishte një nga qëllimet e menaxhmentit dati që nga vitet gjashtëdhjetë (Il Martin, 1982).
I magazina e të dhënave ofrojnë infrastrukturën dati për sistemet mbështetëse të menaxhimit. Sistemet e mbështetjes së menaxhimit përfshijnë sistemet e mbështetjes së vendimeve (DSS) dhe sistemet e informacionit ekzekutiv (EIS). Një DSS është një sistem informacioni i bazuar në kompjuter që është krijuar për të përmirësuar procesin dhe rrjedhimisht vendimmarrjen njerëzore. Një EIS është zakonisht një sistem shpërndarjeje dati e cila u mundëson drejtuesve të biznesit të aksesojnë lehtësisht pamjen e dati.
Arkitektura e përgjithshme e një magazina e të dhënave nxjerr në pah rolin e magazina e të dhënave në mbështetjen e menaxhmentit. Përveç ofrimit të infrastrukturës dati për EIS dhe DSS, al magazina e të dhënave mund të arrihet drejtpërdrejt përmes pyetjeve. THE dati përfshirë në a magazina e të dhënave bazohen në një analizë të kërkesave të informacionit të menaxhimit dhe merren nga tre burime: sistemet e brendshme të trashëgimisë, sistemet e kapjes së të dhënave për qëllime të veçanta dhe burimet e jashtme të të dhënave. THE dati në sistemet e brendshme të trashëgimisë ato janë shpesh të tepërta, të paqëndrueshme, me cilësi të ulët dhe të ruajtura në formate të ndryshme, kështu që ato duhet të rakordohen dhe pastrohen përpara se të mund të ngarkohen në

magazina e të dhënave (Inmon, 1992; McFadden, 1996). THE dati nga sistemet e ruajtjes dati ad hoc dhe nga burimet dati të jashtme shpesh përdoren për të shtuar (përditësuar, zëvendësuar) i dati nga sistemet e trashëgimisë.

Ka shumë arsye bindëse për të zhvilluar një magazina e të dhënave, të cilat përfshijnë përmirësimin e vendimmarrjes përmes përdorimit efektiv të më shumë informacionit (Ives 1995), mbështetje për fokusimin në të gjitha çështjet (Graham 1996) dhe uljen e kostove të vendimmarrjes dati për EIS dhe DSS (Graham 1996, McFadden 1996).

Një studim i fundit empirik gjeti, mesatarisht, një kthim nga investimi për i magazina e të dhënave me 401% pas tre vjetësh (Graham, 1996). Megjithatë, studimet e tjera empirike të magazina e të dhënave gjeti probleme të rëndësishme duke përfshirë vështirësinë në matjen dhe shpërndarjen e përfitimeve, mungesën e qëllimit të qartë, nënvlerësimin e fushës dhe kompleksitetit të procesit të ruajtjes dati, veçanërisht në lidhje me burimet dhe pastërtinë e dati. Dyqani i dati mund të konsiderohet si një zgjidhje për problemin e menaxhimit dati ndërmjet organizatave. Manipulimi i dati si një burim social ka mbetur një nga problemet kryesore në menaxhimin e sistemeve të informacionit në mbarë botën për shumë vite (Brancheau et al. 1996, Galliers et al. 1994, Niederman et al. 1990, Pervan 1993).

Një qasje popullore për menaxhimin e aseteve dati në vitet tetëdhjetë ishte zhvillimi i një modeli dati sociale. Model dati social u krijua për të ofruar një bazë të qëndrueshme për zhvillimin e sistemeve të reja të aplikimit e bazës së të dhënave dhe rindërtimi dhe integrimi i sistemeve të trashëgimisë (Brancheau et al.

1989, Goodhue et al. 1988:1992, Kim dhe Everest 1994). Megjithatë, ka disa probleme me këtë qasje, në veçanti, kompleksiteti dhe kostoja e secilës detyrë, dhe koha e gjatë e nevojshme për të arritur rezultate të prekshme (Beynon-Davies 1994, Earl 1993, Goodhue et al. 1992, Periasamy 1994, Shanks 1997 ).

Il magazina e të dhënave është një bazë të dhënash e veçantë që bashkëekziston me bazat e të dhënave të trashëguara në vend që t'i zëvendësojë ato. Prandaj ju lejon të drejtoni menaxhimin e dati dhe shmangni rindërtimin e kushtueshëm të sistemeve të vjetra.

QASJET EKZISTUESE NDAJ DIZAJNIT TË TË DHËNAVE

WAREHOUSE

Procesi i ndërtimit dhe perfeksionimit a magazina e të dhënave duhet kuptuar më shumë si një proces evolucionar sesa një cikël jetësor tradicional i zhvillimit të sistemeve (Dëshira, 1995, Shanks, O'Donnell dhe Arnott 1997a). Ka shumë procese të përfshira në një projekt magazina e të dhënave të tilla si inicializimi, planifikimi; informacionin e marrë nga kërkesat e kërkuara nga menaxherët e kompanisë; burimet, transformimet, pastrimi i dati dhe sinkronizimi nga sistemet e vjetra dhe burime të tjera dati; sistemet e shpërndarjes në zhvillim; monitorimi i magazina e të dhënave; dhe pakuptimësia e procesit evolutiv dhe të ndërtimit të a magazina e të dhënave (Stinchi, O'Donnell dhe Arnott 1997b). Në këtë ditar, ne fokusohemi në mënyrën se si të vizatojmë i dati të ruajtura në kontekstin e këtyre proceseve të tjera. Ka një sërë qasjesh të propozuara për arkitekturën e videove magazina e të dhënave në literaturë (Inmon 1994, Ives 1995, Kimball 1994, McFadden 1996). Secila prej këtyre metodologjive ka një përmbledhje të shkurtër me një analizë të pikave të forta dhe të dobëta të tyre.

Inmon's (1994) Përqasja për Depo e te dhenave Projektimi

Inmon (1994) propozoi katër hapa përsëritës për të hartuar a magazina e të dhënave (shih Figurën 2). Hapi i parë është të hartoni një shabllon dati sociale për të kuptuar se si i dati mund të integrohet në të gjithë zonat funksionale brenda një organizate duke nënndarur i dati ruajnë në zona. Model dati është bërë për ruajtje dati që kanë të bëjnë me vendimmarrjen, duke përfshirë dati historike dhe të përfshira dati të zbritura dhe të grumbulluara. Hapi i dytë është identifikimi i fushave lëndore për zbatim. Këto bazohen në prioritetet e përcaktuara nga një organizatë e caktuar. Hapi i tretë përfshin vizatimin e a bazës së të dhënave për fushën e temës, kushtojini vëmendje të veçantë përfshirjes së niveleve të duhura të përmasave. Inmon rekomandon përdorimin e modelit të entitetit dhe marrëdhënies. Hapi i katërt është identifikimi i sistemeve burimore dati kërkohen dhe zhvillojnë procese transformimi për të kapur, pastruar dhe formatuar i dati.

Pikat e forta të qasjes së Inmon janë se modeli dati sociale ofron bazën për integrimin e dati në kuadër të organizimit dhe planifikimit mbështet për zhvillimin përsëritës të magazina e të dhënave. Disavantazhet e tij janë vështirësia dhe kostoja e projektimit të modelit dati sociale, vështirësia në të kuptuarit e modeleve të entiteteve dhe marrëdhënieve të përdorura në të dy modelet, që dati sociale dhe ajo e dati të ruajtura sipas zonës së temës dhe përshtatshmërisë së dati të vizatimit të magazina e të dhënave për realizimin e bazës së të dhënave relacionale por jo për bazës së të dhënave shumëdimensionale.

Ives' (1995) Qasja ndaj Depo e te dhenave Projektimi

Ives (1995) propozon një qasje me katër hapa për hartimin e një sistemi informacioni që ai beson se është i zbatueshëm për hartimin e një magazina e të dhënave (shih Figurën 3). Qasja është shumë e bazuar në Inxhinierinë e Informacionit për zhvillimin e sistemeve të informacionit (Martin 1990). Hapi i parë është të përcaktoni qëllimet tuaja, suksesin dhe faktorët kritikë, si dhe treguesit kryesorë të performancës. Proceset kryesore të biznesit dhe informacioni i nevojshëm janë modeluar për të na çuar drejt një modeli dati sociale. Hapi i dytë përfshin zhvillimin e një arkitekture përcaktuese dati të ruajtura sipas zonës, bazës së të dhënave di magazina e të dhënave, komponentët e teknologjisë që kërkohen, grupi i mbështetjes organizative që kërkohet për të zbatuar dhe vepruar me të magazina e të dhënave. Hapi i tretë përfshin zgjedhjen e paketave dhe mjeteve të nevojshme softuerike. Hapi i katërt është projektimi i detajuar dhe ndërtimi i magazina e të dhënave. Ives vëren atë dyqan dati është një proces përsëritës i kufizuar.

Pikat e forta të qasjes Ives janë përdorimi i specifikimeve teknike për të përcaktuar kërkesat e informacionit, përdorimi i një procesi të strukturuar për të mbështetur integrimin e magazina e të dhënave, përzgjedhjen e duhur të harduerit dhe softuerit dhe përdorimin e teknikave të shumëfishta të përfaqësimit për magazina e të dhënave. Të metat e tij janë të natyrshme në kompleksitetin. Të tjera përfshijnë vështirësi në zhvillimin e shumë niveleve të bazës së të dhënave all'interno del magazina e të dhënave në një kohë dhe kosto të arsyeshme.

Kimball's (1994) Qasja ndaj Depo e te dhenave Projektimi

Kimball (1994) propozoi pesë hapa përsëritës për hartimin e a magazina e të dhënave (shih Figurën 4). Qasja e tij i kushtohet veçanërisht vizatimit të një solo magazina e të dhënave dhe mbi përdorimin e modeleve dimensionale në preferencë ndaj modeleve të entitetit dhe marrëdhënieve. Kimball analizon ato modele dimensionale sepse është më e lehtë për drejtuesit e biznesit të kuptojnë biznesin, është më efikas kur merren me konsultime komplekse dhe dizajnimin e bazës së të dhënave fizike është më efikase (Kimball 1994). Kimball pranon se zhvillimi i një magazina e të dhënave është përsëritëse, dhe kjo magazina e të dhënave të ndara mund të integrohen nëpërmjet ndarjes në tabela të dimensioneve të përbashkëta.

Hapi i parë është identifikimi i fushës së caktuar lëndore që duhet përsosur. Hapi i dytë dhe i tretë përfshijnë formësimin dimensionale. Në hapin e dytë, masat identifikojnë gjërat me interes në fushën e temës dhe i grupojnë ato në një tabelë faktesh. Për shembull, në një fushë të subjektit të shitjeve, masat e interesit mund të përfshijnë sasinë e artikujve të shitur dhe dollarin si monedhë shitjeje. Hapi i tretë përfshin identifikimin e dimensioneve se cilat janë mënyrat në të cilat faktet mund të grupohen. Në një fushë të subjektit të shitjeve, dimensionet përkatëse mund të përfshijnë artikullin, vendndodhjen dhe periudhën kohore. Tabela e fakteve ka një çelës me shumë pjesë për ta lidhur atë me secilën nga tabelat e dimensioneve dhe zakonisht përmban një numër shumë të madh faktesh. Në të kundërt, tabelat e dimensioneve përmbajnë informacion përshkrues rreth dimensioneve dhe atributeve të tjera që mund të përdoren për të grupuar faktet. Tabela e propozuar e fakteve dhe dimensioneve të lidhura formon atë që quhet një skemë ylli për shkak të formës së saj. Hapi i katërt përfshin ndërtimin e a bazës së të dhënave shumëdimensionale për të përsosur modelin e yllit. Hapi i fundit është identifikimi i sistemeve burimore dati kërkohen dhe zhvillojnë procese transformimi për të kapur, pastruar dhe formatuar i dati.

Pikat e forta të qasjes së Kimball përfshijnë përdorimin e modeleve dimensionale për të përfaqësuar i dati të ruajtura gjë që e bën të lehtë për t'u kuptuar dhe çon në një dizajn fizik efikas. Një model dimensional që gjithashtu përdor lehtësisht të dy sistemet bazës së të dhënave relacional mund të përsoset ose sistemet bazës së të dhënave shumëdimensionale. Të metat e tij përfshijnë mungesën e disa teknikave për të lehtësuar planifikimin ose integrimin e shumë skemave të yjeve brenda një magazina e të dhënave dhe vështirësia e projektimit nga struktura ekstreme e denormalizuar në një model dimensional a dati në sistemet e trashëgimisë.

Qasja e McFadden-it (1996) ndaj të dhënave Projektim Magazine

McFadden (1996) propozon një qasje me pesë hapa për vizatimin a magazina e të dhënave (shih Figurën 5).
Qasja e tij bazohet në një sintezë idesh nga literatura dhe është e fokusuar në hartimin e një single magazina e të dhënave. Hapi i parë përfshin një analizë të kërkesave. Ndërsa specifikimet teknike nuk janë të përshkruara, shënimet e McFadden identifikojnë entitetet dati specifikimet dhe atributet e tyre, dhe u referon lexuesve Watson dhe Frolick (1993) për kapjen e kërkesave.
Në hapin e dytë, hartohet një model i marrëdhënieve të entitetit magazina e të dhënave dhe më pas vërtetohet nga drejtuesit e kompanisë. Hapi i tretë përfshin përcaktimin e hartës nga sistemet e trashëguara dhe burimet e jashtme të magazina e të dhënave. Hapi i katërt përfshin proceset në zhvillimin, vendosjen dhe sinkronizimin dati në magazina e të dhënave. Në hapin e fundit, shpërndarja e sistemit zhvillohet me një theks në ndërfaqen e përdoruesit. McFadden vëren se procesi i vizatimit në përgjithësi është përsëritës.

Pikat e forta të qasjes së McFadden janë përfshirja e liderëve të biznesit në përcaktimin e kërkesave si dhe rëndësia e burimeve datipastrimi dhe grumbullimi i tyre. Të metat e tij janë mungesa e një procesi për ndarjen e një projekti të madh magazina e të dhënave në shumë faza të integruara, dhe atje

vështirësi në të kuptuarit e modeleve të entitetit dhe marrëdhënieve të përdorura në hartimin e magazina e të dhënave.

Nuk janë vetëm ata që janë afër nesh që na zgjedhin.