Складиштење података и ЕРП | ЦЕНТРАЛНА АРХИВА ПОДАТАКА: ИСТОРИЈА И ЕВОЛУЦИЈА

АРХИВ ДАТА ЦЕНТРАЛНИ: ИСТОРИЈА И ЕВОЛУЦИЈЕ

Две доминантне теме корпоративне технологије 90-их су
државе и складиште података и ЕРП. Дуго времена ова два моћна
актуелни су били делови корпоративне ИТ без икаквих проблема
раскрснице. Било је скоро као да су материја и анти-материја. Али
раст обе појаве неминовно је довео до једног
њихов пресек. Данас се компаније суочавају са проблемом
шта радити са ЕРП е складиште података. Овај чланак ће илустровати
који су проблеми и како их компаније решавају.
НА ПОЧЕТКУ…
У почетку је постојао складиште података. Складиште података је рођен за
супротставити апликационом систему за обраду трансакција.
У првим данима памћење на подаци суђено је
само контрапункт апликацијама за компјутерску обраду
трансакције. Али данас постоје много софистициранији погледи
од чега а складиште података. У данашњем свету,
складиште података умеће се унутар структуре која може бити
под називом Фабрика корпоративних информација.
ФАБРИКА КОРПОРАТИВНИХ ИНФОРМАЦИЈА
(ЦИФ)
Фабрика корпоративних информација има архитектонске компоненте
стандард: ниво трансформације и интеграције кода
који интегрише и подаци Док сам подаци крећу се из окружења на
примена према животној средини складиште података од компаније; а
складиште података компаније у којој је подаци
детаљни и интегрисани историчари. Тхе складиште података предузећа служи као
темељ на коме се могу градити сви остали делови
животне средине складиште података; складиште оперативних података (ОДС).
ОДС је хибридна структура која садржи неке аспекте података
складиште и други аспекти ОЛТП окружења; база података, где и
Различита одељења могу имати сопствену верзију података
складиште; а складиште података истраживања у којој и
„Филозофи“ компаније могу да поднесу своје упите
72 сата без штетног утицаја на складиште података; и сећање
близу линије, где подаци стари и подаци масовни детаљ може бити
јефтино ускладиштена.
ГДЕ СЕ КОМБИНУЈЕ ЕРП СА
ФАБРИКА КОРПОРАТИВНИХ ИНФОРМАЦИЈА
ЕРП се спаја са Фабриком корпоративних информација на два места.
Прво као основна апликација (основна) која обезбеђује и
подаци пријаве на складиште података. У овом случају и подаци,
генерисан као нуспроизвод процеса трансакције,
су интегрисани и учитани у складиште података од компаније. Тхе
друга тачка споја између ЕРП-а и ЦИФ-а и ОДС-а. У ствари, многи
окружења ЕРП се користи као класични ОДС.
У случају да се ЕРП користи као основна апликација, он
исти ЕРП се такође може користити у ЦИФ-у као ОДС. Ин
У сваком случају, ако се ЕРП користи у обе улоге, постоји
мора постојати јасна разлика између два ентитета. Другим речима,
када ЕРП игра улогу основне апликације и ОДС,
две архитектонске целине морају бити различите. Ако самац
имплементација ЕРП-а покушава да испуни обе улоге
у исто време ће неизбежно бити проблема у
пројектовање и имплементација ове структуре.
ОДВОЈЕНЕ ОДСКЕ И ОСНОВНЕ ПРИМЕНЕ
Постоји много разлога који доводе до цепања компоненти
архитектонски. Можда најелоквентније питање за раздвајање
различите компоненте архитектуре је да свака компонента
архитектуре има свој поглед. Основна апликација служи
за другачију сврху од оне за ОДС. Покушајте да се преклапате
основни поглед апликације на свет ОДС-а или обрнуто
То није прави начин рада.
Сходно томе, први проблем ЕРП-а у ЦИФ-у је проблем
проверите да ли постоји разлика између основне линије и апликација
ОДС.
МОДЕЛИ ПОДАТАКА У КОМПАНИЈИ
ФАБРИКА ИНФОРМАЦИЈА
Да би се постигла кохезија између различитих компоненти
архитектуре ЦИФ-а, мора постојати модел подаци. Ја
модели на подаци Они служе као веза између различитих компоненти
архитектуре као што су основне апликације и ОДС. ТХЕ
модели на подаци постати „интелектуална мапа пута“ да се
право значење из различитих архитектонских компоненти ЦИФ-а.
Идући руку под руку са овим појмом, идеја је да треба
бити сјајан и јединствен модел подаци. Наравно да мора
бити узор подаци за сваку од компоненти и такође тамо
то мора бити разуман пут који повезује различите моделе.
Свака компонента архитектуре – ОДС, основне апликације,
складиште података компаније и тако даље.. – треба своје
модел оф подаци. И зато мора постојати прецизна дефиниција
попут ових модела подаци међусобно се повезују.
МОВЕ И ДАТА ЕРП-а у подацима
ВАРЕХОУСЕ
Ако порекло на подаци је основна апликација и/или ОДС, када
ЕРП уметци и подаци у складиште података, ово уметање мора
јављају на најнижем нивоу „грануларности“. Рецап ор
једноставно агрегат и подаци како излазе
из ЕРП основне апликације или из ЕРП ОДС није
права ствар коју треба урадити. ТХЕ подаци детаљи су потребни у подацима
магацин да чини основу процеса ДСС. Такве подаци
они ће на много начина бити преобликовани помоћу база података и истраживања
дел складиште података.
Пресељење оф подаци из основног окружења апликације
ЕРП-а на окружење складиште података компаније је направљен у а
разумно опуштен начин. Та промена се дешава после тога
приближно 24 сата од ажурирања или креирања у ЕРП-у. Чињеница о
имају „лењи“ покрет од подаци у складиште података
компаније дозвољава подаци који долазе из ЕРП-а на „депозит“.
Једном сам подаци се чувају у основној апликацији,
онда можете безбедно да померите подаци ЕРП-а
у послу. Још један циљ достижан захваљујући покрету
„лењи“ богови подаци је јасно разграничење између оперативних процеса и
ДСС. Са „брзим” покретом подаци линија раздвајања
између ДСС-а и оперативног остаје нејасно.
Ил мовименто деи подаци од ОДС ЕРП до складиште података
компаније се врши периодично, обично
недељно или месечно. У овом случају кретање од
подаци заснива се на потреби „чишћења” старих подаци историчари.
Наравно, ОДС садржи и подаци који су много новији
поштовање за подаци историчари су пронашли у складиште података.
Пресељење оф подаци у складиште података то се скоро никада не ради
„на велико” (на велепродајни начин). Копирајте табелу
из ЕРП окружења до складиште података то нема смисла. Један приступ
много реалније је кретање одабраних јединица подаци.
Само подаци који су се променили од последњег ажурирања података
магацин су они које треба преместити у податке
складиште. Један од начина да сазнате које подаци они су модификовани
пошто је последње ажурирање да се погледају временске ознаке подаци
налази у ЕРП окружењу. Дизајнер бира све измене
који су се појавили од последњег ажурирања. Други приступ
је коришћење техника стицања промена подаци. Са
Ове технике анализирају дневнике и траке дневника како би
одредити које подаци мора бити премештен из ЕРП окружења у
То од складиште података. Ове технике су најбоље у
колико дневника и трака дневника може да се прочита из ЕРП датотека
без даљих ефеката на друге ЕРП ресурсе.
ДРУГЕ КОМПЛИКАЦИЈЕ
Један од проблема са ЕРП-ом у ЦИФ-у је оно што се дешава другима
извори апликација или аи подаци ОДС којима морају да допринесу
складиште података али нису део ЕРП окружења. С обзиром на
затворена природа ЕРП-а, посебно САП-а, покушај да се интегрише
кључеви из спољних извора подаци са и подаци који долазе из ЕРП-а у
време за кретање и подаци у складиште података, то је велики изазов.
И које су тачно вероватноће да и подаци апликација или
ОДС изван ЕРП окружења биће интегрисани у податке
складиште? Шансе су заправо веома високе.
ФИНД ДАТА ИСТОРИЈСКИ ОД ЕРП
Још један проблем са и подаци ЕРП-а је резултат
из потребе да се има подаци историчари у оквиру складиште података.
Обично је складиште података потребе подаци историчари. И
ЕРП технологија их обично не чува подаци
историјски, бар не до те мере да је то неопходно у подацима
складиште. Када је велика количина подаци историчари почињу да
бити додат у ЕРП окружење, то окружење мора бити
Поспремлљено. На пример, претпоставимо да је а складиште података мора
бити оптерећен са пет година од подаци историјски док ЕРП задржава
највише шест месеци ових подаци. Све док је компанија задовољна са
прикупити сет од подаци историчари како време пролази,
онда нема проблема у коришћењу ЕРП-а као извора за
складиште података. Али када је складиште података морам да идем
назад у време и узети богове подаци историчари који то нису били
претходно прикупљено и сачувано од стране ЕРП-а, затим ЕРП окружење
постаје неефикасна.
ЕРП И МЕТАДАТА
Још једно разматрање о ЕРП е складиште података је ли то
о постојећим метаподацима у ЕРП окружењу. Као и метаподаци
прећи из ЕРП окружења у ИТ окружење складиште података,
метаподаци се морају премештати на исти начин. Штавише, и
метаподаци морају бити трансформисани у формату и структури
захтева инфраструктура складиште података. Постоји велики
разлика између оперативних метаподатака и ДСС метаподатака. Метаподаци
оперативни су првенствено за програмера и за
програмер. ДСС метаподаци су првенствено за корисника
финале. Постојећи метаподаци у ЕРП апликацијама или ОДС-овима
морају се преобратити и ова конверзија није увек лака
и директно.
ИЗВОРИ ЕРП ПОДАТАКА
Ако се ЕРП користи као добављач за подаци за складиште података ci
потребно је да буде чврст интерфејс који се креће и подаци из околине
ЕРП за животну средину складиште података. Интерфејс мора:
▪ бити лак за употребу
▪ дозволи приступ подаци ЕРП-а
▪ узети значење подаци који ће бити премештени
у складиште података
▪ знати ограничења ЕРП-а која могу настати у
када подаци ЕРП-а:
▪ референтни интегритет
▪ хијерархијски односи
▪ имплицитне логичке релације
▪ конвенција о примени
▪ све структуре подаци подржан од стране ЕРП-а, и тако даље…
▪ бити ефикасан у приступу подаци, обезбеђујући:
▪ директно кретање подаци
▪ стицање промене подаци
▪ подршка благовременом приступу подаци
▪ разумеју формат подаци, и тако даље…
ИНТЕРФЕЈС СА САП-ом
Интерфејс може бити два типа, домаћи или комерцијални.
Неки од главних трговачких интерфејса укључују:
▪ САС
▪ Примс Солутионс
▪ Д2к, и тако даље…
ВИШЕ ЕРП ТЕХНОЛОГИЈА
Третирање ЕРП окружења као да је једна технологија је а
Велика грешка. Постоји много ЕРП технологија, од којих свака има своју
снаге. Најпознатији продавци на тржишту су:
▪ САП
▪ Орацле Финанциалс
▪ ПеоплеСофт
▪ ЈД Едвардс
▪ Баан
SAP
САП је највећи и најкомплетнији ЕРП софтвер. Апликације
САП-а укључују многе врсте апликација у многим областима. САП има
репутација бића:
▪ веома велики
▪ веома тешко и скупо за имплементацију
▪ потребно је много људи и консултаната
имплементиран
▪ захтева специјализоване људе за имплементацију
▪ потребно је много времена за имплементацију
Поред тога, САП има репутацију да складишти своје подаци врло
пажљиво, што отежава приступ њима
особа ван САП области. САП-ова снага је постојање
способан да ухвати и ускладишти велику количину подаци.
Недавно је САП најавио своју намеру да продужи
његове примене на складиште података. Има много предности и недостатака
у коришћењу САП-а као добављача складиште података.
Предност је што је САП већ инсталиран и што је већина
консултанти већ познају САП.
Недостаци САП-а као добављача складиште података су
многи: САП нема искуства у свету складиште података
Ако је САП добављач складиште података, потребно је "изнети"
i подаци од САП до складиште података. Дата САП-ов рекорд
затвореног система, мало је вероватно да ће бити лако ући у САП
то (???). Постоји много наслеђених окружења која покрећу САП,
као што су ИМС, ВСАМ, АДАБАС, ОРАЦЛЕ, ДБ2 и тако даље.
САП инсистира на приступу „који није измишљен овде“. САП то не жели
сарађивати са другим добављачима да бисте користили или креирали складиште података.
САП инсистира на томе да сам генерише сав свој софтвер.
Иако је САП велика и моћна компанија, чињеница је да
покушај да се препише технологија ЕЛТ, ОЛАП, администрације
систем, па чак и основни код дбмс то је једноставно лудо.
Уместо да заузме кооперативни став са добављачима
di складиште података дугогодишњи, САП је следио приступ који
они „знају боље“. Овакав став успорава успех
САП може имати у области складиште података.
САП-ово одбијање да дозволи приступ спољним добављачима
брзо и љубазно према њима подаци. Сама суштина коришћења
un складиште података је лак приступ подаци. Цела прича о САП-у је
засновано на отежавању приступа подаци.
САП-ов недостатак искуства у раду са великим количинама подаци;
у области складиште података постоје томови подаци никад виђено од тада
САП и за управљање овим великим количинама подаци морате имати један
одговарајућу технологију. САП очигледно није обавештен о томе
технолошка баријера која постоји за улазак у поље података
магацин.
САП-ова корпоративна култура: САП је створио посао
у добијању и подаци из система. Али да бисте то урадили морате имати
другачији менталитет. Традиционално, софтверске компаније које су
добри у уносу података у окружење нису били добри у
добијање података да иду у другом правцу. Ако САП може да уради ово
свитцх ће бити прва компанија која ће то учинити.
Укратко, упитно је да ли компанија треба да бира
САП као добављач складиште података. Постоје веома озбиљни ризици
с једне стране и врло мало награда с друге стране. Али постоји још један
разлог који обесхрабрује избор САП-а као добављача података
складиште. Јер свака компанија треба да има исти датум
складиште свих осталих компанија? Тхе складиште података то је срце
конкурентске предности. Када би свака компанија усвојила исто
складиште података било би тешко, мада не и немогуће,
остварити конкурентску предност. Чини се да САП мисли да а
складиште података може се посматрати као колачић а то је а
још један знак њиховог менталитета апликације „добијте податке“.
у”.
Ниједан други ЕРП добављач није тако доминантан као САП.
Несумњиво ће бити компанија које ће пратити САП-ов пут
за њихове складиште података али по свој прилици ови датуми
САП складишта ће бити велика, скупа и захтевна
време за њихово стварање.
Ова окружења укључују такве активности као што су обрада благајника банке,
процеси резервација авио-компанија, жалбени процеси
осигурање и тако даље. Трансакциони систем је био ефикаснији,
очигледнија је била потреба за раздвајањем између оперативног и процесног
ДСС (Систем за подршку одлучивању). Међутим, са системима ресурса
људски и лични, никада се не суочите са великим количинама
трансакције. И, наравно, када се човек запосли
или напусти компанију ово је запис о трансакцији.
Али у односу на друге системе, системе људских ресурса и
лични људи једноставно немају много трансакција. Стога, у
људских ресурса и кадровских система није сасвим очигледно да постоји
треба ДатаВарехоусе. На много начина ови системи
представљају спајање система ДСС.
Али постоји још један фактор који морате узети у обзир ако морате
урадите са складиштем података и ПеоплеСофт-ом. У многим срединама, тј подаци
људских и личних ресурса су секундарни у односу на посао
шеф компаније. Већина компанија спроводи
производња, продаја, пружање услуга и тако даље. ТХЕ
Системи људских ресурса и кадрови су обично секундарни (или од
подршка) главној пословној линији компаније. Дакле, јесте
двосмислено и незгодно складиште података одвојено за
подршка људским и личним ресурсима.
ПеоплеСофт се у том погледу веома разликује од САП-а. Са САП-ом јесте
обавезно да постоји а складиште података. Са ПеоплеСофт, није
онда тако јасно. Складиште података је опционо уз ПеоплеСофт.
Најбоља ствар која се може рећи за подаци ПеоплеСофт је тај податак
складиште се може користити за архивирање подаци се односе
стари људски и лични ресурси. Други разлог за
коју компанија жели да користи а складиште података a
штета за ПеоплеСофт окружење је омогућавање приступа и
слободан приступ алатима за анализу, аи подаци би ПеоплеСофт. Али
Поред ових разлога, могу постојати случајеви када је боље да то не чините
имају складиште података за подаци ПеоплеСофт.
Укратко
Постоји много идеја у вези са конструкцијом података
складиште унутар ЕРП софтвера.
Неки од њих су:
▪ Има смисла имати а складиште података који личи на било који
друго у индустрији?
▪ Колико је флексибилан ЕРП складиште података софтвер?
▪ ЕРП складиште података софтвер може да обради обим од
подаци који се налази у аскладиште података арена"?
▪ Шта је евиденција праћења коју ЕРП добављач ради
суочен са лаким и јефтиним, у смислу времена, аи подаци? (Шта
је рекорд ЕРП добављача у испоруци јефтиних, на
време, лако приступити подацима?)
▪ Како разумете архитектуру ДСС-а и
„фабрика корпоративних информација“ од стране ЕРП добављача?
▪ ЕРП добављачи разумеју како да постигну подаци алл'интерно
животне средине, али и разумети како их извозити?
▪ Колико су отворени алати ЕРП добављача до данас
складиштење?
Сва ова разматрања морају се узети у обзир приликом одређивања
где ставити складиште података који ће угостити и подаци ЕРП-а и др
подаци. Уопштено говорећи, осим ако не постоји убедљив разлог за то
урадите другачије, препоручује се изградња складиште података напоље
из окружења добављача ЕРП-а.
ЦАПИТОЛО 1
Преглед БИ организације
Кључне тачке:
Репозиторијуми информација раде обрнуто
на архитектуру пословне интелигенције (БИ):
Корпоративна култура и ИТ могу ограничити успех у
изградња БИ организација.
Технологија више није ограничавајући фактор за БИ организације. Тхе
проблем за архитекте и планере пројеката није да ли
технологија постоји, али ако могу ефикасно да имплементирају
доступна технологија.
За многе компаније а складиште података то је мало више од магацина
пасив који дистрибуира и подаци корисницима којима је то потребно. ТХЕ подаци
извлаче се из изворних система и насељавају у циљне структуре
di складиште података. Ја подаци такође се могу очистити са свим
богатство. Међутим, не додаје се ни додатна вредност
прикупио подаци током овог процеса.
У суштини, пасивни Дв, у најбољем случају, доноси
само ја подаци чиста и оперативна за корисничка удружења. тамо
стварање информација и аналитичко разумевање зависе
у потпуности од стране корисника. Процијените да ли је ДВ (Складиште података) је
успех је субјективан. Ако судимо о успеху на
способност ефикасног прикупљања, интеграције и чишћења и подаци
корпоративни на предвидљивој основи, онда да, ДВ је успех.
С друге стране, ако погледамо наплату, консолидацију и гле
експлоатацију информација организације у целини, затим
ДВ је неуспех. ДВ пружа малу или никакву вредност
информације. Као резултат тога, корисници су приморани да се сналазе,
стварајући тако силосе за информације. Ово поглавље представља
потпуну визију да сумира архитектуру БИ (Бусинесс
Интелигенција) компаније. Почнимо са описом БИ е
онда ћемо прећи на дискусије о дизајну и
развијање информација, за разлику од једноставног пружања и подаци
корисницима. Дискусије се затим фокусирају на израчунавање
вредност ваших БИ напора. Закључујемо дефинисањем како ИБМ
одговара БИ архитектонским захтевима ваше организације.
Опис архитектуре
БИ организација
Сада су моћни информациони системи оријентисани на трансакције
уобичајена појава у сваком великом подухвату, како они ниво
ефективно игралиште за корпорације широм света.
Међутим, да бисмо остали конкурентни, сада су потребни системи аналитички
оријентисан ка који може револуционисати способност компаније поновним откривањем ед
користећи информације које већ имају. Ови системи
аналитика произилази из разумевања из богатства подаци
доступан. БИ може побољшати перформансе свих информација
од компаније. Компаније могу побољшати односе између купаца
добављачи, побољшати профит производа и услуга, генер
нове и боље понуде, контролишу свој ризик и између многих других
зарада драматично смањује трошкове. Са БИ твојим
компанија коначно почиње да користи информације о купцима
као конкурентско добро захваљујући апликацијама које имају за циљ
тржиште.
Имати прави посао значи имати коначне одговоре
кључна питања као што су:
▪ Који од наших клијенти они нас терају да зарађујемо више, или ми
да ли праве губитак?
▪ Где живе наши најбољи клијенти у односу на продавница/
складиште које често посећују?
▪ Који од наших производа и услуга се може продати више
ефективно и коме?
▪ Који производи се могу најефикасније продати и коме?
▪ Која продајна кампања је најуспешнија и зашто?
▪ Који су канали продаје најефикаснији за које производе?
▪ Како можемо побољшати односе са нашим најбољим људима клијенти?
Већина компанија има подаци грубо одговорити
ова питања.
Оперативни системи генеришу велике количине производа, од
купца и од подаци тржиште са продајних места, резервација,
од стране корисничког сервиса и система техничке подршке. Изазов је
извући и искористити ове информације.
Многе компаније профитирају само од малих делова својих подаци
за стратешке анализе.
I подаци преостали, често у комбинацији са и подаци који произилазе из спољних извора као што су
„извештаји владе” и друге купљене информације су једно
рудник злата који само чека да буде истражен, нпр подаци девоно
бити префињен само у вашем информационом контексту
организација.
Ово знање се може применити на различите начине, варијације
од дизајнирања укупне корпоративне стратегије до
лична комуникација са добављачима, преко цалл центара,
фактурисање, Интернет и друге тачке. Данашње пословно окружење диктира
да ДВ и сродна БИ решења еволуирају даље
извођење традиционалних структура подаци као што су ја подаци нормализован на
атомског нивоа и „фарме звезда/коцка“.
Оно што је потребно да останемо конкурентни је спој
традиционалне и напредне технологије у настојању да подрже а
огроман аналитички пејзаж.
Да закључимо, опште окружење мора да унапреди знање
компаније у целини, обезбеђујући да предузете радње
као последица спроведених анализа су корисне тако да свако може
корист.
На пример, рецимо да класификујете своје клијенти у категоријама
висок или низак ризик.
Ако су ове информације генерисане из екстрахованог модела или
друга средства, морају се ставити у Дв и учинити доступним
било ко, помоћу било ког алата за приступ, као што је и
статичке извештаје, табеле, табеле или аналитичку обраду у
линија (ОЛАП).
Међутим, тренутно је много оваквих информација
остати у силосима подаци појединаца или одељења које генеришу
анализа. Организација, као целина, има малу или никакву видљивост
за разумевање. Само мешање ове врсте садржаја
информације у вашој компанији ДВ можете елиминисати силосе
информације и подигните своје ДВ окружење.
Постоје две велике препреке за развој организације
оф тхе БИ.
Прво, имамо проблем саме организације
релевантне дисциплине.
Чак и ако не можемо да помогнемо у промени политике
организације, можемо помоћи у разумевању компоненти
БИ организација, њена архитектура и како
ИБМ технологија олакшава његов развој.
Друга препрека коју треба превазићи је недостатак технологије
интегрисано и познавање методе која подсећа на цео простор
БИ за разлику од само мале компоненте.
ИБМ се мири са променама у технологији
од интегрисаних. Ваша је одговорност да обезбедите дизајн
самосвестан. Ова архитектура се мора развијати са
технологија изабрана за интеграцију без ограничења, или барем са
технологија која се придржава отворених стандарда. Штавише, твој
Менаџмент компаније мора да обезбеди да предузеће Би
спроводи по програму и да то не дозволи
развој информационих силоса који произилазе из самопослуживања
агенде или циљеве.
Ово не значи да БИ окружење није осетљиво
реаговати на различите потребе и захтеве различитих корисника; уместо тога, то значи
да је спровођење тих индивидуалних потреба и захтева
урађено за добробит целе БИ организације.
Опис архитектуре БИ организације може
може се наћи на страни 9 на слици 1.1. Архитектура демонстрира
богат спој технологија и техника.
Са традиционалног погледа, архитектура укључује следеће компоненте
оф варехоусе
Атомски слој (Атомски слој).
Ово је темељ, срце целог Дв-а, а самим тим и од
стратешко извештавање.
I подаци похрањени овде задржаће историјски интегритет, извештаји о
подаци и укључују изведене метрике, као и да буду чисти,
интегрисани и ускладиштени коришћењем екстрахујућих модела.
Сва накнадна употреба ових подаци а сродне информације су
произилази из ове структуре. Ово је одличан извор за
екстракција од подаци и за извештаје са структурираним СКЛ упитима
Оперативно складиште за подаци или извештај на основу
подаци(Складиште оперативних података (ОДС) или извештавање
база података.)
Ово је објекат од подаци посебно дизајниран за
техничко извештавање.
I подаци ускладиштени и пријављени преко ових структура могу коначно
пропагирати у складиште преко зоне организације (инсценација
подручје), где би се могао користити за стратешку сигнализацију.
Стагинг ареа.
Прва станица за већину подаци намењен животној средини
складиште је простор организације.
Овде ја подаци су интегрисани, очишћени и трансформисани у подаци корисно то
ће попунити структуру складишта
Датум мартс.
Овај део архитектуре представља структуру од подаци коришћен
посебно за ОЛАП. Присуство датамарта, ако и подаци су
ускладиштене у преклапајућим звездастим шемама подаци
вишедимензионални у релационом окружењу, или у ормарима за досије
di подаци поверљиво које користи одређена ОЛАП технологија, као што је
ДБ2 ОЛАП сервер, није релевантан.
Једино ограничење је то што архитектура олакшава употребу подаци
вишедимензионални.
Архитектура такође укључује критичне БИ технологије и технике
који се разликују као:
Просторна анализа
Свемир је налет информација за аналитичара и
је кључно за потпуно решавање. Свемир може
представљају податке о људима који живе на одређеном месту
локацију, као и информације о томе где се та локација налази
физички у поређењу са остатком света.
Да бисте извршили ову анализу, морате почети тако што ћете повезати своје
информације о координатама географске ширине и дужине. Значи оно
се назива „геокодирање“ и мора бити део екстракције,
трансформација, и процес учитавања (ЕТЛ) на нивоу
атомски вашег складишта.
Претрага података.
Екстракција од подаци омогућава нашим компанијама да расту
нумеро ди клијенти, да предвиди трендове продаје и омогући
управљање односима са и клијенти (ЦРМ), између осталих иницијатива
БИ.
Екстракција од подаци стога мора бити интегрисан са структурама
подаци Двхоусе-а и подржан од стране процеса складиштења за
обезбеђују како ефективно тако и ефикасно коришћење технологије и
сродне технике.
Као што је наведено у БИ архитектури, атомски ниво
Двхоусе, као и датамартс, је одличан извор подаци
за екстракцију. Те исте структуре такође морају бити
прималаца резултата екстракције како би се осигурала доступност да
највећа публика.(најшира публика).
Агенти.
Постоје различити „агенти“ који испитују купца за сваку тачку као, нпр
оперативни системи компаније и исти дв. Ови агенти могу
бити напредне неуронске мреже обучене да уче о њима
трендови сваке тачке, као што је будућа потражња производа заснована
о унапређењу продаје, моторима заснованим на правилима на које треба реаговати
un дато сплет околности или чак једноставни агенти који
пријављују изузетке „врхунским руководиоцима“. Ови процеси да
присутни генерално у реалном времену и стога морају
бити уско повезан са њиховим кретањем подаци.
Све ове структуре подаци, технологије и технике гарантују
да нећете провести ноћ стварајући организацију
ваш БИ.
Ова активност ће се развијати у постепеним, малим корацима
бодова.
Сваки корак је независан пројектни напор и о њему се извештава
као итерација у вашој ДВ или БИ иницијативи. Итерације
може укључити имплементацију нових технологија, за
почните са новим техникама, додајући нове структуре подаци ,
лоадинг и подаци допунски, или уз проширење анализе
ваше окружење. О овом параграфу се више говори
дубље у поглављу 3.
Поред традиционалних структура ДВ и БИ алата постоје и друге
функције ваше БИ организације за које морате
дизајн, као што су:
Додирне тачке купаца (додир купца
бодова).
Као и код сваке модерне организације, постоји низ
додирне тачке купаца које указују на то како имати искуство
позитивно за твоје клијенти. Постоје традиционални канали као што су и
трговци, оператери централа, директна пошта, мултимедија и штампа
оглашавање, као и најактуелнији канали као што су е-пошта и веб, тј подаци
морају се набавити производи са неком тачком додира,
транспортују, чисте, обрађују и потом насељавају у објекте подаци од
БИ.
Басес оф подаци оперативна и корисничка удружења (Оператионал
базе података и корисничке заједнице).
На крају контактних тачака клијенти налазе се темељи подаци
апликација компаније и заједница корисника. ТХЕ подаци постојећи
су подаци традиционално које се мора спојити и спојити са подаци који
тече од контактних тачака да би се задовољиле неопходне
информације.
Аналитичари. (Аналитичари)
Примарни корисник БИ окружења је аналитичар. Он је тај који
користи од тренутног вађења подаци оперативан, интегрисан са
различити извори подаци , допуњен функцијама као што је аналитика
географске (геокодирање) и представљене у БИ технологијама које
омогућавају вам екстраховање, ОЛАП, напредно СКЛ извештавање и анализу
географске. Примарни интерфејс за аналитичара за окружење
извештава БИ портал.
Међутим, аналитичар није једини који има користи од архитектуре
БИ.
Руководиоци, велика удружења корисника, па чак и чланови, добављачи и и
клијенти требало би да пронађу предности у пословној пословној делатности.
Повратна петља за напајање.
БИ архитектура је окружење за учење. Принцип
карактеристика развоја је да омогући упорне структуре од подаци
да се ажурира коришћењем коришћене БИ технологије и кроз акције
подухвата корисника. Пример је процена
купац (бодовање купаца).
Ако одељење продаје спроводи модел рударства
резултата корисника у погледу коришћења нове услуге, затим
Одељење продаје не би требало да буде једина група корисника
службе.
Уместо тога, модел екстракције треба да се изведе као део
природни ток података унутар компаније и резултати купаца
треба да постане саставни део информационог контекста о
складиште, видљиво свим корисницима. Би-бИ-центрични ИБМ Суите
укључујући ДБ2 УДБ, ДБ2 ОЛАП сервер укључује већину
део важних технолошких компоненти, дефинисаних на слици
КСНУМКС.
Користимо архитектуру како је приказана на овој слици из књиге до
дајте нам ниво континуитета и покажите како сваки производ
из ИБМ-а одговара општем обрасцу БИ.
Пружање информативног садржаја (Пружање
информативни садржај)
Дизајнирање, развој и имплементација вашег БИ окружења је
тешка операција. Дизајн мора да обухвати обоје
тренутне и будуће пословне захтеве. Дизајн архитектуре
мора бити потпуна да би укључила све пронађене закључке
током фазе пројектовања. Егзекуција мора да остане
посвећени једној сврси: развоју БИ архитектуре
како је формално представљено на цртежу и на основу захтева од
Бизнис.
Посебно је тешко тврдити да ће дисциплина осигурати
релативног успеха.
Ово је једноставно јер не развијате читаво БИ окружење
изненада, али се ради у малим корацима током времена.
Међутим, идентификовање БИ компоненти ваше архитектуре јесте
важно из два разлога: Ви ћете водити све наредне одлуке
архитектонске технике.
Бићете у могућности да свесно планирате одређену употребу технологије
иако можда нећете добити понављање које вам је потребно
технологије неколико месеци.
Довољно разумевање ваших пословних захтева ће утицати на врсту
производа које ћете набавити за своју архитектуру.
Дизајн и развој ваше архитектуре осигурава
да је ваше складиште
није случајан догађај, већ „добро осмишљен“,
пажљиво конструисан оглас opera уметности као мозаик од
мешовита технологија.
Дизајнирајте информациони садржај
Сво почетно планирање мора се фокусирати и идентификовати
главне БИ компоненте које ће бити потребне окружењу
опште сада и у будућности.
Познавање пословних захтева је важно.
Чак и пре него што почне сво конвенционално планирање,
планер пројекта често може да идентификује један или два
компонента одмах.
Баланс компоненти које могу бити потребне за
Међутим, ваша архитектура се не може лако пронаћи.
Током фазе пројектовања главни део архитектуре
повезује сесију развоја апликације (ЈАД) за претрагу
да идентификује пословне захтеве.
Понекад се ови захтеви могу поверити алатима
упите и извештавање.
На пример, корисници наводе да ако желе да аутоматизују
тренутно извештај мора да се генерише ручно интеграцијом
два струјна односа и сабирање прорачуна изведених из
комбинација подаци.
Иако је овај захтев једноставан, он дефинише одређене
функционалност функције коју морате укључити када
купите алате за извештавање за своју организацију.
Дизајнер такође мора следити додатне захтеве за
добити потпуну слику. Корисници желе да се претплате на
овај извештај?
Подскупови извештаја се генеришу и шаљу путем е-поште разним
корисници? Да ли желе да виде овај извештај на порталу компаније?
Сви ови захтеви су део једноставне потребе да
замените ручни извештај на захтев корисника. Корист
од ових врста захтева је да сви, корисници и дизајнери, имају
разумевање концепта извештаја.
Међутим, постоје и друге врсте послова које треба да планирамо.
Када су пословни захтеви наведени у облику
Пословна стратешка питања, лако је за стручног дизајнера
Разлучите захтеве мере/чињенице и димензије.
Слика 1.2 илуструје мерне и димензионалне компоненте а
Пословни проблем.
Ако ЈАД корисници не знају како да декларишу своје захтеве
у виду пословног проблема дизајнер ће често обезбедити
неколико примера за прескакање и почетак сесије прикупљања
захтевима.
Стручни дизајнер може помоћи корисницима да разумеју не само
стратешку трговину, али и како је формирати.
Приступ прикупљања захтева је разматран у поглављу 3; За
сада само желимо да укажемо на потребу дизајна за све
врсте БИ захтева
Стратешки пословни проблем је, а не само услов
Бизнис, али и дизајнерски траг. Ако морате да одговорите
на вишедимензионално питање, онда морате да запамтите,
презент и подаци димензионални, и ако треба да запамтите
подаци вишедимензионални, морате одлучити какву технологију или
технику коју ћете користити.
Да ли имплементирате резервисану шему коцкасте звезде или обоје?
Као што видите, чак и једноставан пословни проблем
може значајно утицати на дизајн. Међутим
Ови типови пословних захтева су у најмању руку уобичајени и разумљиви
од дизајнера и планера са пројектним искуством.
Било је довољно дебате о технологијама и подршци
ОЛАП и доступан је широк спектар решења. До сада
поменули смо потребу да се једноставно извештавање споји са и
захтеве пословне димензије и како ти захтеви
утичу на техничке архитектонске одлуке.
Али који су то захтеви који се не разумеју лако
од стране корисника или од стране ДВ тима? Да ли ће вам икада требати аналитика
просторна (аналисис спатиали)?
Рударски модели подаци они ће бити неопходан део вашег
будућност? Ко зна?
Важно је напоменути да ове врсте технологија нису баш
познате заједнице општих корисника и чланова тима
Дв, делимично, ово би се могло десити јер они обично
третирају неки интерни или технички стручњаци треће стране. То је
екстремни случај проблема које ове врсте технологија стварају. Селф
корисници не могу описати пословне захтеве нити их уоквирити
да би се дале смернице дизајнерима, ови могу
остати непримећен или, још горе, једноставно игнорисан.
Проблем постаје када дизајнер и програмер то не чине
може препознати примену једног од ових напредних али
критичне технологије.
Као што смо често чули да дизајнери кажу, „па, зато што
зар то не оставимо на страну док не добијемо ову другу ствар?
„Да ли их заиста занимају приоритети или их једноставно избегавају
захтеве које не разумеју? Највероватније је то последња хипотеза.
Рецимо да је ваш продајни тим саопштио захтев
пословања, као што је приказано на слици 1.3, као што видите,
захтев је уоквирен у облику пословног проблема. тамо
разлика између овог проблема и типичног димензионалног проблема је
Удаљеност. У овом случају, продајни тим жели да зна,
на месечном нивоу укупна продаја од производа, складишта и
клијенти који живе у кругу од 5 миља од складишта где су
они купују.
Нажалост, дизајнери или архитекте једноставно могу
игнорисати просторну компоненту говорећи: „ми имамо купца, тј
производ и и подаци депозита. Држимо дистанцу до
друга итерација.
"Погрешан одговор. Ова врста пословног проблема се тиче
БИ у потпуности. Представља дубље разумевање
наше пословање и снажан аналитички простор за наше аналитичаре.
БИ је изван једноставног упита или стандардног извештавања, или
чак и ОЛАП. То не значи да ове технологије не раде
они су важни за ваш БИ, али сами по себи не представљају
БИ окружење.
Дизајн за информациони контекст
(Дизајн информативног садржаја)
Сада када смо идентификовали пословне захтеве који се истичу
разне основне компоненте морају бити укључене у цртеж
опште архитектонске. Неке од компоненти БИ су део
наших почетних напора, док неки неће бити спроведени за
неколико месеци.
Међутим, сви познати захтеви се одражавају у дизајну тако да
када треба да применимо одређену технологију, ми јесмо
спремите се да то урадите. Нешто о пројекту ће одражавати мисао
традизионале.
На пример, слика 1.1, на почетку поглавља, приказује податке
март који чува и подаци димензионални.
Овај сет од подаци се користи за подршку каснијој употреби
подаци димензионалне димензије вођене Пословним питањима која
идентификовали смо. Како су додатни документи
генерисани, као што је развој дизајна подаци, ми
почећемо да формализујемо како ја подаци шире се у околини.
Утврдили смо потребу да заступамо и подаци тако
димензионално, поделивши их (према специфичним потребама
утврђено) на продајним местима.
Следеће питање на које треба одговорити је: како ће се они градити
ове базе података?
Да ли правите звезде да подрже коцке, или само коцке, или само звезде?
(или праве коцке, или праве звезде). Генеришите архитектуру података
зависне трговине које захтевају атомски слој за све подаци
да ли стекнете? Дозволите независним продавницама података да прибаве и подаци
директно из оперативних система?
Коју Цубе технологију ћете покушати да стандардизујете?
Имате огромне количине богова подаци потребно за димензиону анализу
или су вам потребне коцке ваше националне продајне снаге на једном
недељно или обоје? Направите моћну ставку
као што је ДБ2 ОЛАП сервер за финансије или Цогнос коцке
ПоверПлаи за вашу продајну организацију или обоје?
Ово су велике архитектонске дизајнерске одлуке које
ће утицати на ваше БИ окружење од сада па надаље. Да,
установили сте потребу за ОЛАП-ом. Сада како ћете то извести
врста технике и технологије?
Како неке од најнапреднијих технологија утичу на ваше
цртежи? Претпостављамо да сте идентификовали потребу
простор у вашој организацији. Сада морате да се сетите
питања архитектонског цртежа чак и ако су непланирана
изводе свемирске компоненте неколико месеци. Архитекта мора
дизајнирајте данас на основу онога што је потребно. Предвидите потребу за
просторну анализу која генерише, складишти, изводи и обезбеђује
приступ подаци просторне. Ово заузврат треба да служи као
ограничење у погледу врсте технологије и спецификација
софтверску платформу коју тренутно можете размотрити. За
на пример систем управе база података односни
(РДБМС) које изводите за свој атомски слој мора имати
доступно је робусно просторно проширење. Ово би утврдило
максималне перформансе при коришћењу геометрије и објеката
простор у вашим аналитичким апликацијама. Ако ваш РДБМС не ради
могу да поднесу и подаци (просторно-центрично) интерно, тако да ћете морати
стабилире уна база података (просторно-центрични) спољашњи. Ово компликује
управљање проблемима и компромитује ваш укупни учинак,
да не спомињем додатне проблеме који су створени за ваше
ДБА, јер вероватно имају минимално разумевање
од основа на подаци просторне такође. С друге стране, ако ваш мотор
РДМБС управља свим просторним компонентама и сродним
оптимизатор је свестан посебних потреба (нпр.
индексирање) просторних објеката, онда ваши ДБА могу да рукују њима
брзо управљајте проблемима и можете их подићи
престазиони.
Поред тога, потребно је да прилагодите област за извођење и слој
атомско окружење које укључује чишћење адресе (а
кључни елемент просторне анализе), као и следеће
уштеда свемирских објеката. Сукцесија издања
цртање се наставља сада када смо увели појам чишћења
адреса. Као прво, ова апликација ће диктирати врсту
софтвер потребан за ваш ЕТЛ напор.
Потребни су вам производи као што је Триллиум да бисте добили адресу
цлеан, или ЕТЛ провајдера кога одаберете да обезбедите
функционалност?
За сада је важно да цените ниво дизајна
мора бити завршен пре него што почнете да изводите своје
окружење (магацин). Горе наведени примери би требало
демонстрирати мноштво дизајнерских одлука које морају уследити
идентификацију било ког посебног пословног захтева. Ако се уради
Тачно, ове дизајнерске одлуке напредују
међузависност између физичких структура вашег окружења,
избор коришћене технологије и ток пропагације
информациони садржај. Без ове конвенционалне архитектуре
БИ, ваша организација ће бити предмет мешавине
хаотичне постојеће технологије, у најбољем случају, уједињене на неки начин
није прецизно да обезбеди привидну стабилност.
Одржавајте информативни садржај
Доношење вредности информација вашој организацији је
веома тешка операција. Без довољно разумевања
и искуство, или адекватно планирање и цртање, чак и
бољи тимови би пропали. С друге стране, ако имате велику
интуиција и детаљно планирање али без дисциплине за
извршење, само сте потрошили новац и време
јер је твој труд осуђен на пропаст. Порука би требала
будите јасни: ако вам недостаје један или више ових
вештине, разумевање/искуство или планирање/цртање или
дисциплина имплементације, то ће довести до паралисања или
уништи зграду БИ организације.
Да ли је ваш тим довољно припремљен? Неко је на твом
БИ тим који разуме огроман доступни аналитички пејзаж
у БИ окружењима, у потребним техникама и технологијама
да изврши тај пејзаж? Има неко у твом тиму
који може препознати разлику у примени између напредних
статичко извештавање и ОЛАП, или разлике између РОЛАП-а и ОЛАП-а? Један од
чланови вашег тима јасно препознају начин на
екстракт и како то може утицати на складиште или како
Може ли складиште да одржи перформансе рударства? Члан
тима разуме вредност подаци простор или технологија
на основу агента? Да ли имате некога ко цени јединствену апликацију
ЕТЛ алата наспрам брокерске технологије
порука? Ако га немате, набавите га. БИ је много више
велики део нормализованог атомског слоја, ОЛАП-а, шема а
звезда и ОДС.
Имајте разумевања и искуства да препознате захтеве
БИ и њихових решења је од суштинског значаја за вашу способност да
правилно формализовати потребе корисника и дизајн
и имплементирају њихова решења. Ако ваша корисничка заједница има
тешкоћа у описивању захтева, то је задатак тима
магацин обезбедити то разумевање. Али ако тим од
складиште
не препознаје специфичну примену БИ – на пример податке
рударење - онда то није најбоља ствар коју БИ окружења раде
често се ограничавају на то да буду пасивни депозити. Међутим, занемарите ове
технологије не умањује њихов значај и ефекат који имају
о настанку могућности ваше пословне интелигенције
организацију, као и информациону структуру коју дизајнирате
да промовише.
Планирање мора укључити појам цртежа, ур
оба захтевају компетентну особу. Плус, планирање
захтева тимску филозофију и посматрање
стандарда. На пример, ако је ваша компанија основала а
стандардну платформу или је идентификовао одређени РДБМС који ви
желимо да стандардизујемо преко платформе, то је на нама
сви у тиму се придржавају тих стандарда. Генерално један
тим излаже потребу за нормализацијом (кориснику
заједница), али сам тим није вољан да се придружи
стандарди успостављени иу другим областима у компанији или можда чак у
сличне компаније. Не само да је ово лицемерно, већ и осигурава да компанија није
способан је да искористи постојеће ресурсе и инвестиције. То не значи
да не постоје ситуације које гарантују платформу или а
нестандардизована технологија; међутим, складишта напори
треба да љубоморно штите стандарде предузећа до
да пословни захтеви не налажу другачије.
Трећа кључна компонента потребна за изградњу БИ
организација је дисциплина.
Зависи свеукупно, подједнако од појединаца и околине.
Планери пројеката, спонзори, архитекте и корисници морају да цене
дисциплина неопходна за изградњу информационе структуре предузећа.
Дизајнери морају усмерити своје дизајнерске напоре на такав начин да
завршити друге неопходне напоре у друштву.
На пример, рецимо да ваша компанија гради а
ЕРП апликација која има компоненту складишта.
Дакле, одговорност ЕРП дизајнера је да сарађују са
тим магацинског окружења да се не такмичи или
дуплирати већ започети посао.
Дисциплина је такође тема о којој треба водити рачуна
од стране целе организације и обично се оснива и поверава а
извршни ниво.
Да ли су менаџери спремни да се придржавају осмишљеног приступа? А
приступ који обећава стварање информационог садржаја који ће
крај ће донети вредност свим областима пословања, али можда
Да ли компромитује појединачне или ресорне агенде? Запамтите изреку
„Размишљати о свему важније је од размишљања само о једној ствари.
Ова изрека важи за БИ организације.
Нажалост, многа складишта концентришу своје напоре
покушава да циља и донесе вредност одређеном одељењу или
специфичне кориснике, без обзира на организацију у
Генерал. Претпоставимо да менаџер тражи помоћ од тима
васхоусе. Тим се јавља послом који је трајао 90 дана који
укључује не само испоруку захтева за обавештавање дефинисаних од
менаџер али осигурава да све подаци базе се мешају у слој
атомски пре него што се уведе у технологију коцке
предлог.
Овај инжењерски додатак обезбеђује да се предузимање
васхоусе ће имати користи од подаци неопходно за управника.
Међутим, извршна власт је разговарала са спољним консултантским фирмама да
су предложили сличну апликацију са испоруком за мање од 4
недеље.
Под претпоставком да је интерни тим за бунар компетентан,
менаџер има избор. Ко може да подржи дисциплину
додатни инжењеринг потребан за повећање имовине
информативан посао или можете изабрати да креирате своје
решење брзо. Чини се да је последњи заиста изабран
пречесто и служи само за креирање контејнера информација о
који користи само неколицини или појединцу.
Краткорочни и дугорочни циљеви
Архитекте и пројектанти морају формализовати а
дугорочну визију укупне архитектуре и планове за
расту у БИ организацији. Ова комбинација од
краткорочни добитак и дугорочно планирање
представљају две стране БИ напора. Краткорочни профит
рок је аспект БИ који је повезан са итерацијама
ваше складиште.
На ово се фокусирају планери, архитекте и спонзори
испуњавају специфичне пословне захтеве. На овом нивоу је
граде се физичке структуре, купује се технологија и
имплементирају се технике. Они уопште нису створени да се њима баве
специфичне захтеве дефинисане од стране одређених корисничких заједница.
Све је урађено како би се испунили специфични дефинисани захтеви
из одређене заједнице.
Дугорочно планирање је, међутим, други аспект
оф БИ. То су планови и пројекти обезбедили
изграђене било које физичке структуре, одабране технологије и
реализоване технике направљене са погледом према предузећу. И тхе
дугорочно планирање које обезбеђује кохезију
неопходно да би се осигурало да пословне користи пристигну свима
пронађене краткорочне добити.
Оправдајте свој БИ напор
Un складиште података сама по себи нема инхерентну вредност. У другим
речи, не постоји инхерентна вредност међу технологијама
технике складиштења и имплементације.
Вредност сваког складишног напора налази се у акцијама
врши пратећи окружење и садржај складишта
информативно култивисано током времена. Ово је критична тачка за разумевање
пре него што икада покушате да процените вредност било које иницијативе
вхерехоусе.
Пречесто, архитекте и дизајнери покушавају да примене вредност на
физичко-техничке компоненте складишта када је у ствари вредност
заснива се на пословним процесима на које позитивно утиче
складиште и добро стечене информације.
У томе лежи изазов успостављања БИ: Како оправдавате инвестицију?
Ако сама кућа нема суштинску вредност, дизајнери од
пројекат мора да истражи, дефинише и формализује користи
постижу они појединци који ће користити складиште за
побољшати специфичне пословне процесе или вредност од
заштићене информације или обоје.
Да закомпликује ствар, било који пословни процес
погођени напорима у складишту могли би пружити користи
„значајно“ или „мало“. Значајне предности пружају а
опипљива метрика за мерење поврата улагања (РОИ) – нпр
На пример, окретање инвентара додатно време током периода
специфичне или за ниже трошкове испоруке по пошиљци. То је више
Тешко је дефинисати мале предности, као што је бољи приступ
информације, у смислу опипљиве вредности.
Повежите свој пројекат да бисте сазнали више о
Пословни захтеви
Пречесто, дизајнери пројекта покушавају да повежу вредност
складишта са аморфним циљевима компаније. Изјављујући то
„Вредност складишта је заснована на нашој способности да
задовољити стратешке захтеве” отварамо
говор. Али само то није довољно да се утврди да ли
улагање у залихе има смисла. Боље је повезати понављања
складишта са специфичним и познатим пословним захтевима.
Меасуринг РОИ
Израчунавање РОИ у складишту може бити
посебно тешко. Посебно је тешко ако предност
принцип одређеног понављања је нешто неопипљиво или
лако измерити. Студија је показала да корисници перципирају
две главне предности БИ иницијатива:
▪ Створите способност доношења одлука
▪ Креирајте приступ информацијама
Ове бенефиције су меке (или благе) користи. Лако је то видети
како можемо израчунати РОИ на основу тврдог потенцијала (или
веће) као што је смањење трошкова транспорта али како
да ли меримо способност доношења бољих одлука?
Ово је дефинитивно изазов за дизајнере пројеката када
покушавају да убеде компанију да инвестира у одређену
складиштење напора. Повећање продаје или смањење трошкова
оне више нису централне теме које покрећу БИ окружење.
Уместо тога, гледате пословне захтеве за приступ
најбоље да информације тако да одређено одељење може
доноси брже одлуке. Ово су стратешки покретачи а
који су подједнако важни за пословање али су
двосмисленији и тежи за карактеризацију у опипљивој метрици.
У овом случају, израчунавање РОИ може бити погрешно, ако не и ирелевантно.
Дизајнери пројекта морају бити у стању да покажу вредност
опипљиво за руководиоце да одлуче да ли да инвестирају у
примењује се одређено понављање. Међутим, нећемо предлагати нову
метод за израчунавање РОИ, нити ћемо износити било какве аргументе за или
против тога.
Постоји много доступних чланака и књига који говоре о основама за
израчунајте РОИ. Постоје посебни предлози вредности као вредност
о инвестирању (ВОИ), које нуде групе као што је Гартнер, што можете
истраживати. Уместо тога, фокусираћемо се на кључне аспекте било ког
РОИ или други предлози вредности које треба да размотрите.
Примена РОИ
Изван аргумента „тврде“ користи у односу на „меке“ користи
у вези са БИ напорима постоје и друга питања која треба размотрити
када применимо РОИ. На пример:
Припишите превише уштеде напорима ДВ-а који ће доћи
у сваком случају
Рецимо да је ваша компанија кренула од архитектуре
маинфраме у дистрибуирано УНИКС окружење. Тако било
уштеде које се из тог напора могу (а не морају) остварити
не треба приписивати искључиво, ако уопште (?), на
магацин.
Не рачунати све је скупо. И има много ствари које треба урадити
узети у обзир. Размотрите следећу листу:
▪ Почетни трошкови, укључујући изводљивост.
▪ Трошкови наменског хардвера са повезаним складиштем е
цомуницазиони
▪ Трошкови софтвера, укључујући управљање подаци и проширења
клијент/сервер, ЕТЛ софтвер, ДСС технологије, алати
апликације за визуелизацију, програмирање и проток
софтвер за рад и праћење, .
▪ Трошкови пројектовања структуре подаци, са реализацијом, и
оптимизација
▪ Трошкови развоја софтвера директно повезани са трудом
BI
▪ Трошкови кућне подршке, укључујући оптимизацију
перформансе, укључујући контролу верзија софтвера и
операције помоћи
Примените РОИ „Биг-Банг“.
Стварање складишта као јединствен и гигантски напор
сигурно неће успети, па израчунајте и РОИ за иницијативу
великог предузећа Понуда је изненађујућа, и то да дизајнери
настављају са слабим покушајима да се процени вредност целине
напор.
Зато што дизајнери покушавају да дају новчану вредност
на пословну иницијативу ако је то опште познато и прихваћено
Да ли је тешко проценити одређена понављања? Како је могуће? Није
могуће уз неколико изузетака. Не ради то.
Сада када смо установили шта не треба радити приликом израчунавања
РОИ, овде постоје неке тачке које ће нам помоћи у дефинисању
поуздан процес за процену вредности ваших БИ напора.
Добијање консензуса о РОИ. Без обзира на твоје
избор технике за процену вредности ваших БИ напора, мора
буде договорено од стране свих страна, укључујући дизајнере пројекта,
спонзори и руководиоци компаније.
Смањите РОИ на делове који се могу идентификовати. Неопходан корак ка
разумно израчунавање РОИ је фокусирање тог прорачуна на а
конкретан пројекат. Ово вам онда омогућава да процените вредност
на основу специфичних пословних захтева који су испуњени
Дефинишите трошкове. Као што је поменуто, морају бити бројни трошкови
разматрати. Штавише, трошкови морају укључивати не само повезане трошкове
на појединачну итерацију али и на повезане трошкове
да обезбеди усаглашеност са стандардима компаније.
Дефинишите бенефиције. Јасно повезивање РОИ са захтевима
конкретна предузећа, требало би да будемо у могућности да идентификујемо
предности које ће довести до задовољења захтева.
Смањите трошкове и користи у непосредној добити. То је пут
најбоље је да своје процене заснивате на нето садашњој вредности
(НПВ) за разлику од покушаја предвиђања будуће вредности у
будућа зарада.
Смањите време поделе РОИ на минимум. И'
добро документовано током дугог временског периода који је коришћен у вашем
РОИ.
Користите више од једне формуле за повраћај улагања. Постоје бројне методе за
Предвиђање повраћаја улагања и требало би да планирате да ли ћете користити један или
плус, укључујући нето садашњу вредност, унутрашњу брзину приноса
(ИРР) и опоравак.
Дефинишите поновљив процес. Ово је кључно за израчунавање
било коју дугорочну вредност. Требало би да буде документовано а
један поновљиви процес за све подсеквенце пројекта а
пратити.
Наведени проблеми су најчешћи проблеми које дефинишу стручњаци
околине бунара. Инсистирање на страни руководства
испоручити РОИ „Биг-Банг” је веома збуњујуће. Ако започнете све
ваше прорачуне повраћаја улагања тако што ћете их смањити на препознатљиве и опипљиве делове, имате
добра прилика за процену тачне вредности РОИ.
Питања у вези са повраћајем улагања
Шта год да су ваше предности, меке или тврде, можете их користити
нека основна питања за одређивање њихове вредности. До
пример користећи једноставан систем скалирања, од 1 до 10, ви
можете пратити утицај било ког напора користећи следеће
доманде:
▪ Како бисте оценили разумевање подаци прате овај
пројекат ваше компаније?
▪ Како бисте проценили побољшања процеса као резултат
Овај пројекат?
▪ Како бисте сада измерили утицај нових увида и закључака
доступна овом итерацијом
▪ Какав је био утицај нових рачунарских окружења е
извођење као резултат наученог?
Ако је одговора на ова питања мало, могуће је да
компанија није вредна улагања. Питања са високим
бодовни поен до значајног повећања вредности и треба
служе као водичи за даљу истрагу.
На пример, висок резултат за побољшања процеса
требало би да наведе дизајнере да испитају какви су процеси
је побољшан. Можда ћете открити да неке или све добитке добијете
они су опипљиви и стога се може лако добити новчана вредност
примењена.
Извлачење максимума из прве итерације
складиште
Највећи резултат вашег пословног напора је често у
првих неколико итерација. Ови први напори традиционално
успоставити што кориснији информативни садржај за јавност и
успоставља помоћ технолошке основе за наредне
БИ апликације.
Обично сваки следећи низ подаци пројекта
складишта доносе све мање додатне вредности предузећу
Генерал. Ово је посебно тачно ако не понављате
додаје нове теме или не задовољава потребе нове
заједница корисника.
Ова карактеристика складиштења важи и за батерије
расте од подаци историчари. Како накнадни напори захтевају више
подаци и како више подаци се временом уливају у магацин, највећи део
подаци постаје мање релевантан за коришћену анализу. Ове подаци су
често називају подаци успаване и увек их је скупо чувати јер
скоро да се не користе.
Шта ово значи за спонзоре пројекта? У суштини, тј
Рани спонзори деле више о томе колико кошта инвестиција.
Ово је примарно јер су они подстицај за оснивање слоја
широко технолошко окружење и магацински ресурси,
укључујући органске.
Али ови први кораци доносе највећу вредност и самим тим дизајнерима
пројекти често морају да оправдају улагање.
Пројекти урађени након ваше БИ иницијативе могу имати трошкове
инфериорни (у поређењу са првим) и директни, али доносе мању вредност
компанији.
И власници организација треба да почну да разматрају
бацити нагомилавање од подаци и мање релевантне технологије.
Дата Мининг: Екстракција Дати
Бројне архитектонске компоненте захтевају варијације
технологије и технике рударења података—
на пример, различити „агенти“ за испитивање тачака интересовања
клијенти, оперативним системима компаније и за сам дв. Ове
агенти могу бити напредне неуронске мреже обучене
лонац трендови, као што су будућа потражња производа заснована на
унапређење продаје; мотори засновани на правилима за
реаговати на сет дато околности, на пример, дијагноза
медицинске препоруке и препоруке за лечење; или чак једноставни агенти
са улогом пријављивања изузетака вишим менаџерима (врх
руководиоци). Генерално, ови процеси екстракције подаци si
верификовати у реалном времену; стога морају бити уједињени
потпуно са кретањем од подаци стесси.
Онлине аналитичка обрада
Онлине Аналитицс
Способност сечења, коцке, котрљања, бушења
и изврши анализу
шта ако је у оквиру, циљ комплета
ИБМ технологија. На пример, функције аналитичке обраде
онлине (ОЛАП) постоји за ДБ2 који доноси димензионалну анализу у
мотор оф база података исти .
Функције додају димензионални услужни програм у СКЛ док
они користе све предности природног дела ДБ2. Други
пример ОЛАП интеграције је алат за екстракцију, ДБ2
ОЛАП анализатор сервера. Ова технологија омогућава коцке од
ДБ2 ОЛАП сервер да буде брз и аутоматски
анализира да се идентификују и известе вредности од подаци необично или неочекивано
кроз коцку пословном аналитичару. И коначно, функције
ДВ центар обезбеђује средства за архитекте да провере, међу
остале ствари, профил коцке ДБ2 ОЛАП сервера као део
природна природа ЕТЛ процеса.
Просторна анализа Просторна анализа
Простор представља половину аналитичких сидара (водова).
неопходно за панораму
аналитички широк (време представља другу половину). Атомски ниво
(атомски ниво) складишта, приказаног на слици 1.1,
укључује темеље и за време и за простор. Снимци
Анализа временског сидра за информације о времену и адреси
анкер анализе из свемира. Временске ознаке
они спроводе анализу на време, а информације о правцу воде
анализа по простору. На дијаграму је приказан процес геокодирања
претварање адреса у тачке на мапи или тачке у простору
тако да појмови као што су растојање и изнутра/споља могу бити
користи се у анализи – спроведеној на атомском нивоу и просторној анализи
који се ставља на располагање аналитичару. ИБМ обезбеђује проширења
простор, развијен са Институтом за истраживање система заштите животне средине (ЕСРИ),
al база података ДБ2 тако да просторни објекти могу бити
чува као нормалан део база података релациони. ДБ2
Спатиал Ектендери, такође пружају све СКЛ екстензије за
искористити просторну анализу. На пример, СКЛ екстензије из
питање о
растојање између адреса или да ли је тачка унутар или ван области
дефинисани полигонални, су аналитички стандард са просторним
Ектендерс. Погледајте поглавље 16 за више информација.
База података-Резидент Тоолс Тоолс База података-
Ресидент
ДБ2 има много БИ резидентних СКЛ функција које помажу
у акцији анализе. Ови укључују:
▪ Рекурзивне функције за обављање анализе, као што је „пронађи
све могуће путање лета од Сан Франциско a ЦА".
▪ Аналитичке функције за рангирање, кумулативне функције, коцка
и збирни пакети за олакшавање задатака који се обично дешавају
само са ОЛАП технологијом, они су сада природни део
мотор оф база података
▪ Могућност креирања табела које садрже резултате
Продавци од база података лидери комбинују више од БИ способности
у база података стессо.
Главни добављачи база података мешају се више од
БИ функционалност у база података стессо.
Ово обезбеђује боље перформансе и више опција за трчање за ваше
БИ решења.
Дискутоване су карактеристике и функције ДБ2 В8
детаљно у следећим поглављима:
Основе техничке архитектуре и управљања подацима
(поглавље 5)
▪ ДБ2 ​​БИ основе (поглавље 6)
▪ ДБ2 ​​материјализоване табеле упита
Табеле) (поглавље 7)
▪ ДБ2 ​​ОЛАП функције (поглавље 13)
▪ ДБ2 ​​Енханцед БИ карактеристике и функције (Енханцед БИ
Карактеристике и функције) (поглавље 15)
Поједностављени систем испоруке података
Систем испоруке од подаци упрошћено
Архитектура приказана на слици 1.1 укључује бројне
структуре подаци физички. Једно је складиште подаци оперативни.
Генерално, ОДС је објектно оријентисан,
интегрисане и актуелне. Да ли бисте направили ОДС за подршку, нпр
на пример, продајна канцеларија. Продаја ОДС би допунила подаци
долази из бројних различитих система, али би само задржао, нпр
на пример, данашње трансакције. ОДС се може ажурирати
чак и много пута дневно. Истовремено, процеси
они гурају подаци интегрисан у друге апликације. Ова структура је
посебно дизајниран за интеграцију подаци струјни и динамички е
би био вероватан кандидат за подршку аналитици у реалном времену,
како обезбедити агенте услуга клијенти информације о продаји
тренутне трендове купца издвајањем информација о тренду продаје
из самог магацина. Друга структура приказана на слици 1.1 је
формални статус за дв. Не само да је ово место за
извршење неопходне интеграције, квалитет подациИ
трансформације подаци залиха ускоро, али је такође
поуздано и привремено складиште за подаци одговори на то
може се користити у аналитици у реалном времену. Ако одлучите да
користите ОДС или сценску зону, један
од најбољих алата за попуњавање ових структура подаци употреба
различити оперативни извори је хетерогени дистрибуирани упит ДБ2.
Ова могућност је обезбеђена опционом функцијом ДБ2
под називом ДБ2 Релатионал Цоннецт (само упит) и кроз ДБ2
ДатаЈоинер (посебан производ који испоручује апликацију,
уметање, ажурирање и могућност брисања а
Хетерогени дистрибуирани РДБМС).
Ова технологија омогућава архитектима да подаци везати подаци di
производња са аналитичким процесима. Не само да технологија може
прилагодити практично било ком од захтева за репликацију који
могли би се појавити са аналитиком у реалном времену, али то
Такође се могу повезати са широким спектром база подаци више
популаран, укључујући ДБ2, Орацле, Сибасе, СКЛ Сервер,
Информик и други. ДБ2 ДатаЈоинер се може користити за попуњавање
структура подаци формално као ОДС или чак сто
стално заступљен у складишту предвиђеном за рестаурацију
брзо за тренутна ажурирања или за продају. наравно,
ове исте структуре подаци може се попунити помоћу
још једна важна технологија дизајнирана за репликацију подаци, ИБМ
ДатаПропагатор Релатионал. (ДатаПропагатор је посебан производ
за централне системе. ДБ2 УНИКС, Линук, Виндовс и ОС/2 укључују
услуге репликације подаци као стандардна карактеристика).
Друга метода за кретање подаци оперишући около
за предузећа је иначе интегратор пословних апликација
познат као посредник порука.Ово
Јединствена технологија омогућава ненадмашну контролу за центрирање
(циљање) и померите се подаци око предузећа. ИБМ има посредника
најраспрострањеније поруке, МКСериес, или варијације
производа који укључује захтеве за е-цоммерце, ИБМ
ВебСпхере МК.
За више дискусије о томе како искористити МК за подршку а
складиште и БИ окружење, посета веб страница књиге. За сада јесте
довољно је рећи да је ова технологија одлично средство за
ухвати и трансформише (користећи МКСериес Интегратор) подаци
центрирани (циљани) оператери ангажовани за БИ решења. тамо
МК технологија је интегрисана и упакована у УДБ В8, који
значи да се редовима порука сада може управљати
као да су ДБ2 табеле. Концепт заваривања од
поруке у реду чекања и универзум од база података релациони је усмерен
ка моћном окружењу испоруке од подаци.
Зеро-Латенци Нулто кашњење
Крајњи стратешки циљ за ИБМ је анализа нулте латенције (нулте латенције).
Како је дефинисано од
Гартнер, БИ систем мора бити у стању да закључи, асимилује
и пружа информације за аналитичаре на захтев. Изазов,
наравно, ради се о томе како се мешати подаци актуелно и у реалном времену
са неопходним историјским информацијама, као што су и подаци сродни модел(и).
тенденција, или извучено разумевање, као оцртавање
купац
Такве информације укључују, на пример, идентификацију клијенти ad
висок или низак ризик или који производи и клијенти купиће много
вероватно ако већ имају сира у колицима
аквизиције.
Добијање нулте латенције заправо зависи од два
основни механизми:
▪ Потпуна унија подаци који се анализирају са
успостављене технике и алати које је креирао БИ
▪ Систем испоруке подаци ефикасно да то осигура
анализа у реалном времену је заиста доступна
Ови предуслови за нулту латенцију се не разликују од ова два
циљеве које је успоставио ИБМ и описане горе.
Блиско парење од подаци је део програма
беспрекорна интеграција коју је организовао ИБМ. И створи систем
испоруке оф подаци ефикасан у потпуности зависи од
доступна технологија која поједностављује процес испоруке
подаци. Као резултат тога, два од три ИБМ-ова циља су критична
да би трећи. ИБМ свесно развија своје
технологија за осигурање нулте латенције је реалност за кориснике
складишних напора.
Резиме / Синтеза
БИ организација обезбеђује мапу пута за
створите своје окружење
итеративно. Мора бити прилагођен тако да одражава потребе
ваш посао, садашњи и будући. Без архитектонске визије
широк, складишта понављања су мало више од
насумичне имплементације централног складишта које мало чине
створити широко, информативно предузеће.
Прва препрека за менаџере пројеката је како да оправдају
улагања неопходна за развој БИ организације.
Иако је прорачун РОИ остао главна подршка за
магацинских достигнућа, постаје све теже да
тачно предвидети. Ово је довело до других метода за
утврђивање да ли вреди свог новца. Тхе
вредност на инвестицији2 (ВОИ), на пример, је набављена
као решење.
То је задужено за архитекте из подаци и планери пројеката
намерно генеришу и пружају информације удружењима
корисника, а не само да им пружи услугу подаци. Има
огромна разлика између то двоје. Информација је нешто што човек ради
разлика у процесима доношења одлука и ефективности; релативно, тј
подаци они су градивни блокови за извођење тих информација.
Чак и ако сам критичан према извору подаци за решавање захтева
комерцијално, БИ окружење треба да има већу улогу
у креирању информативног садржаја. Морамо узети
додатне мере за чишћење, интеграцију, трансформацију или
иначе креирају информативни садржај према коме се
корисници могу да предузму акцију и зато морамо да се уверимо да они
акције и одлуке, где су разумне, су подржане
у БИ окружењу. Ако оставимо складиште само да служи подаци,
гарантовано је да ће асоцијације корисника креирати садржај
информације потребне за предузимање акције. Ово осигурава да њихова
заједница ће моћи да доноси боље одлуке, али предузеће
пати од недостатка знања које су користили.
Дата да архитекте и пројектанти покрећу пројекте
специфичне за БИ окружење, они остају одговорни предузећу
надугачко и нашироко. Једноставан пример ове две карактеристике
лица итерација БИ налази се у извору подаци. Све
подаци примљени за конкретне комерцијалне захтеве морају бити
насељен у првом атомском слоју. Ово обезбеђује развој
имовине корпоративних информација, као и управљање, усмеравање
Захтеви специфични за корисника дефинисани у итерацији.

В хатиса Д ата В арехоусе ?
Складиште података то је срце архитектуре информационих система
од 1990. и подржава информационе процесе нудећи солидну
интегрисана платформа подаци историчари узети као основу за наредне
анализе. ТХЕ складиште података нуде лакоћу интеграције у а
свет апликационих система који нису међусобно компатибилни. Датум
складиште је еволуирало у тренд. Складиште података
организују и чувају и подаци неопходна за информационе процесе е
аналитичке засноване на дугој историјској временској перспективи. Све
ово подразумева значајну и сталну посвећеност изградњи и
у одржавању складиште података.
Дакле, шта је а складиште података? складиште података и:
▪ предметно оријентисан
▪ интегрисани систем
▪ варијантно време
▪ непостојан (не може се избрисати)
збирка од подаци користи се за подршку менаџерским одлукама у
имплементација процеса.
I подаци уметнут у складиште података настају у већини
случајеви из оперативних окружења. Тхе складиште података то чини један
складишна јединица, физички одвојена од остатка
систем, који садржи подаци претходно трансформисан од
апликације које раде на информацијама које потичу из окружења
оперативни.
Дословна дефиниција а складиште података заслужује детаљну студију
објашњење јер постоје важне мотивације и значења
подлоге које описују карактеристике складишта.
ПРЕДМЕТНА ОРИЈЕНТАЦИЈА ОРИЈЕНТАЦИЈА
ТЕМАТСКИ
Прва карактеристика а складиште података јесте да је оријентисан ка
главни играчи у компанији. Водич кроз суђења
подаци то је у супротности са класичнијим методом који пружа
оријентација апликација ка процесима и функцијама,
метод који углавном дели већина
старији системи управљања.
Оперативни свет је дизајниран око апликација и функција
као што су зајмови, штедња, банковне картице и поверење за институцију
финансијским. Свет дв је организован око тема
принципи као што су купац, продавац, производ и посао.
Усклађивање око тема утиче на дизајн и
о реализацији подаци налази у дв. Што је још важније,
главна тема утиче на најважнији део
кључна структура.
На свет апликације утиче и дизајн података
на основу дизајна процеса. Свет од
дв је фокусиран искључиво на моделирање подаци е сул
цртеж на база података. Дизајн процеса (у његовом облику
класична) није део дв окружења.
Разлике између избора процеса/функције и примене
избор по предмету откривају се и као разлике у садржају
од подаци на детаљном нивоу. ТХЕ подаци од дв не укључују и подаци који
неће се користити за ДСС процес док апликације
оперативно оријентисан подаци садрже и подаци да задовољи
одмах функционални/обрадни захтеви који могу о
мање користи од аналитичара ДСС.
Још један важан начин на који су оперативно оријентисане апликације
ai подаци разликују од подаци од дв је у извештајима деи подаци. Ја подаци
оперативни одржавају континуирану везу између две или више табела
на основу пословног правила које је активно. ТХЕ подаци би дв
они обухватају спектар времена и односи који се налазе у дв су
многи. Многа правила трговања (и сходно томе, многа
извештаји о подаци ) су заступљени у магацину од подаци између два о
више табела.
(За детаљно објашњење како су односи између подаци су
обрађено у ДВ-у, позивамо се на техничку тему о томе
питање.)
Ни из једне друге перспективе осим из перспективе разлике
фундаментално између избора функционалне/процесне примене и
избор предмета, већа је разлика између система
оперативни еи подаци и ДВ.
ИНТЕГРАЦИЈА ИНТЕГРАЦИЈА
Најважнији аспект дв окружења је да и подаци нашао
у оквиру дв лако се интегришу. УВЕК. ВИТХОУТ
ИЗУЗЕТЦИ. Сама суштина дв окружења је да и подаци
садржани у границама складишта су интегрисани.
Интеграција се открива на много различитих начина – у конвенцијама
идентификован конзистентан, у мерењу конзистентних варијабли, у
кодификоване структуре које се састоје од физичких атрибута подаци
доследно, и тако даље.
Током година дизајнери различитих апликација су то чинили
поседовање многих одлука о томе како апликација треба
бити развијени. Индивидуални стил и дизајнерске одлуке
од дизајнерских апликација откривају се на сто начина: у
разлике кодирања, кључна структура, физичке карактеристике,
идентификацију конвенција и тако даље. Колективни капацитет многих
Дизајнери апликација креирају недоследне апликације
легендарно је. Слика 3 приказује неке од више разлика
важно у начину на који су апликације дизајниране.
Кодирање: Кодирање:
Дизајнери апликација су изабрали кодирање поља –
пол- на различите начине. Дизајнер представља секс као
"м" и "ф". Други дизајнер представља секс као "1"
и „0“. Други дизајнер представља секс као "к" и
„и”. Други дизајнер представља секс као „мушки“ и
"Женско". Није битно како секс улази у ДВ. Њих"
и "Ф" су вероватно добри као и сви
репрезентација.
Оно што је важно је да из ког год порекла потиче поље секса,
то поље стиже у ДВ у доследном интегрисаном стању. Од
последица када се поље учита у ДВ из
апликација у којој је представљена у формату
“М” и “Ф”, тј подаци мора се конвертовати у ДВ формат.
Меасуремент оф Аттрибутес: Меасуремент оф
Атрибути:
Дизајнери апликације су одлучили да измере цевовод
на разне начине у току
Неколико година. Дизајнер чува подаци цевовода у
центиметара. Други дизајнер апликација чува подаци
цевовода у инчима. Још један дизајнер од
продавнице апликација и подаци цевовода у милионима кубних стопа
у секунди. А други дизајнер чува информације о
цевовода у погледу дворишта. Шта год да је извор, када
информације о гасоводу стижу у ДВ то мора бити
мерено на исти начин.
Према индикацијама на слици 3, питања интеграције
утичу на скоро сваки аспект пројекта – карактеристике
физички богови подаци, дилема да постоји више од једног извора подациу
питање недоследних идентификованих узорака, формата подаци
недоследно, и тако даље.
Без обзира на тему дизајна, резултат је исти -
i подаци мора бити сачуван у ДВ у једнини е
глобално прихватљив начин чак и када оперативни системи од
дно чувају другачије и подаци.
Када аналитичар ДСС-а погледа ДВ, циљ аналитичара
требало би да буде експлоатација подаци који се налазе у магацину,
а не на питање о кредибилитету или доследности
подаци.
ВРЕМЕНСКА ВАРИЈАНЦИЈА
Све подаци у ДВ су тачни до одређеног тренутка.
Ова основна карактеристика подаци у ДВ се веома разликује од оних подаци
налази у радном окружењу. ТХЕ подаци оперативног окружења су
прецизно као у тренутку приступа. Другим речима,
у оперативном окружењу када се приступи диску подаци, Али такође
сачекајте док не прикаже прецизне вредности као у тренутку приступа.
Зашто ја подаци у ДВ су прецизни као у неком тренутку у
време (тј. не „тренутно”), каже се да и подаци пронађено у ДВ
оне су „временске варијације“.
Временска варијација од подаци од стране ДВ се помиње на бројне начине.
Најједноставнији начин је да и подаци од ДВ представљају подаци а
дуг временски хоризонт - пет до десет година. Хоризонт
временски оквир представљен за оперативно окружење је много краћи
▪ од данашњих тренутних вредности до шездесет деведесет
Апликације које морају добро да раде и које треба да буду
доступан за обраду трансакција мора донети
минимална количина од подаци ако признају било какав степен
флексибилност. Дакле, оперативне апликације имају хоризонт
кратак временски оквир, као тема дизајна
аудио апликације.
Други начин на који се 'временска варијанса' појављује у ДВ је у
кључна структура. Свака кључна структура у ДВ садржи,
имплицитно или експлицитно, елемент времена, као нпр
дан, недеља, месец итд. Елемент времена је скоро увек ту
на дну спојеног кључа који се налази у ДВ. У овим
приликама, елемент времена ће постојати имплицитно, попут случајности
где се цео фајл дуплира на крају месеца или тромесечја.
Трећи начин на који се приказује временска варијација је да и подаци дел
ДВ, чим се правилно региструје, не може
ажуриран. ТХЕ подаци ДВ су, за све практичне сврхе, дугачке
серија снимака. Наравно ако су снимци
снимљени погрешно, онда снимци могу бити
модификовано. Али под претпоставком да су снимци направљени
исправно, они се не мењају чим су направљени. У неким
случајевима може бити неетично или чак неважеће да снимци у
ДВ су модификовани. ТХЕ подаци оперативан, прецизан као у
моменту пријаве, могу се ажурирати како дође
потреба.
НОН-ВОЛАТИЛЕ
Четврта важна карактеристика ДВ-а је да је неиспарљив.
Ажурирања, уметања, брисања и модификације се врше
редовно за оперативна окружења запис по запис. Али
основна манипулација подаци који су потребни у ДВ је много више
једноставан. Постоје само две врсте операција које се дешавају у
ДВ – почетно учитавање подаци и приступ подаци. Не постоји
нема ажурирања подаци (у општем смислу
ажурирање) у ДВ као нормална операција обраде.
Постоје неке веома снажне последице ове разлике
основа између оперативне обраде и ДВ обраде. На нивоу
по дизајну, потреба да се буде опрезан у надоградњи
абнормално није фактор у ДВ-у, од ажурирања подаци није
спроведена. То значи да на нивоу физичког дизајна,
могу се узети слободе да се оптимизује приступ подаци,
посебно у обради тематике стандардизације и
физичка денормализација. Још једна последица једноставности
операција ДВ-а је у основној технологији која се користи за
покрените ДВ окружење. Морате да подржавате ажурирања
запис по запис у линији (као што је често случај са
оперативна обрада) захтева се технологија да има неке
веома сложене основе под привидном једноставношћу.
Технологија која подржава резервне копије и опоравак, трансакције
и интегритета подаци а откривање и отклањање стања застоја је
прилично сложен и није потребан за обраду ДВ.
Карактеристике ДВ, дизајнерска оријентација,
интеграцију подаци унутар ДВ, временска варијанса и једноставност
оф манагемент оф подаци, све води у окружење које је веома, веома
другачије од класичног оперативног окружења. Извор скоро свих
подаци ДВ су радно окружење. Примамљиво је размишљати
да постоји велики вишак подаци између две средине.
У ствари, први утисак који многи људи имају је тај
велика редундантност од подаци између оперативног окружења и окружења од
ДВ. Такво тумачење је површно и показује га
недостатак разумевања шта се дешава у ДВ.
У ствари, постоји минимум вишка подаци између оперативног окружења
и подаци оф тхе ДВ. Хајде да размотримо следеће:
▪ И подаци они се филтрирају дато који прелази из оперативног окружења
на ДВ окружење. Многи подаци никада не пролазе напоље
из оперативног окружења. Осим што и подаци који су неопходни за
ДСС обрада налази свој правац у окружењу
▪ временски хоризонт од подаци веома се разликује од средине
другоме. ТХЕ подаци у радном окружењу су веома свеже. ТХЕ подаци
у ДВ су много старији. Само из перспективе
временског хоризонта, постоји врло мало преклапања
између радног окружења и ДВ.
▪ ДВ садржи подаци сажетака који се никада не налазе
у окружењу
▪ И подаци претрпе темељну трансформацију из
тренутак када прелазе на слику 3 то највише илуструје
Део подаци значајно су промењени у стању
да се изабере и премести у ДВ. Другим речима,
већина подаци је физички модификован и
радикално како се премешта у ДВ. Са становишта
интеграције нису исти подаци који бораве
у радном окружењу.
У светлу ових фактора, редундантност од подаци између две средине је
редак догађај, што доводи до мање од 1% редундантности између ова два
окружења.
СТРУКТУРА СКЛАДИШТА
ДВ имају јасну структуру. Постоје различити нивои сажетка и
детаљ који разграничава ДВ.
Различите компоненте ДВ-а су:
▪ Метаподаци
▪ Дати актуелни детаљи
▪ Дати старих детаља
▪ Дати мало сажето
▪ Дати високо сажето
Далеко главна брига је за подаци детаља
струје. То је главна брига јер:
▪ И подаци актуелни детаљи одражавају најновије догађаје,
који су увек од великог интересовања и
▪ и подаци актуелних детаља су обимни јер је
ускладиштени на најнижем нивоу грануларности е
▪ и подаци Актуелни детаљи се скоро увек чувају на
складиште на диску, коме је брзо приступити, али скупо и
сложен из
I подаци детаља што су старији подаци који се чувају на
нека сећања на маса. Има приступ спорадично и јесте
ускладиштено на нивоу детаља компатибилном са подаци деттаглиати
струје. Иако није обавезно чувати на медијуму од
алтернативно складиштење, због велике запремине подаци уједињени са
спорадични приступ од подаци, меморијска подршка за подаци di
Старији детаљи се обично не чувају на диску.
I подаци сажето благо су подаци који се дестилују са дна
ниво детаља који се налази на тренутном нивоу детаља. Ово
ДВ ниво се скоро увек чува на диску. ТХЕ
проблеми дизајна који се јављају код архитекте подаци
у изградњи овог нивоа ДВ су:
▪ Коју јединицу времена представља горњи сажетак
▪ Који садржаји, атрибути ће мало резимирати
Садржај подаци
Следећи ниво подаци пронађено у ДВ је оно од подаци високо
резимеа. ТХЕ подаци високо сажети су компактни и лаки
приступачан. ТХЕ подаци понекад се налазе веома сажети
у ДВ окружењу иу другим случајевима и подаци високо сумирани су
налази изван непосредних зидова технологије у којој се налази ДВ.
(у сваком случају, тј подаци високо сумирани су део ДВ
без обзира где и подаци физички су смештени).
Коначна компонента ДВ-а су метаподаци. У многим аспектима
метаподаци се налазе у другој димензији од других подаци
ДВ, јер метаподаци не садрже никакве дато директно
преузето из оперативног окружења. Метаподаци имају посебну улогу нпр
веома важно у ДВ. Метаподаци се користе као:
▪ именик који помаже аналитичару ДСС-а да лоцира
садржај ДВ,
▪ водич за мапирање подаци о томе како ја подаци су били
трансформисан из оперативног окружења у ДВ окружење,
▪ водич за алгоритме који се користе за сумирање између подаци di
тренутни детаљ еи подаци мало сажето, тј подаци високо
резимеи,
Метаподаци играју много већу улогу у ДВ окружењу
него што су икада имали у оперативном окружењу
СТАРИ МЕДИУМ ЗА СКЛАДИШТЕЊЕ ДЕТАЉА
Магнетна трака се може користити за чување такве врсте
подаци. У ствари, постоји широк избор алата за складиштење који
треба их сматрати за очување старих подаци di
детаљ.
У зависности од обима подаци, учесталост приступа, цена
алата и врсте приступа потпуно је вероватно
да ће другим алатима бити потребан стари ниво детаља
у ДВ.
ТОК ПОДАТАКА
Постоји нормалан и предвидљив ток од подаци унутар ДВ.
I подаци улазе у ДВ из радног окружења. (НАПОМЕНА: постоје
неки веома интересантни изузеци од овог правила. Међутим, скоро
све подаци унесите ДВ из оперативног окружења). Дата да ја подаци
улазе у ДВ из радног окружења, он се трансформише као што је био
описано раније. Под условом уласка у ДВ, тј подаци улазе у
тренутни ниво детаља, као што је приказано. Тамо се налази и користи се
док се не деси један од три догађаја:
▪ је пречишћен,
▪ је сажет, и/или
▪ је
Застарели процес унутар ДВ се помера и подаци актуелни детаљи
a подаци старих детаља, на основу старости од подаци. Процес
сажетак користи детаље о подаци израчунати и подаци
благо сажети и високо сумирани нивои подаци. Постоје
неки изузеци приказаног тока (о томе ће бити речи касније).
Међутим, обично, за огромну већину подаци нашао
унутар ДВ, ток од подаци то је као што је приказано.
КОРИШЋЕЊЕ СКЛАДИШТА ПОДАТАКА
Није изненађујуће да су различити нивои подаци у оквиру ДВ не
добијају различите нивое употребе. По правилу, што је виши ниво
резиме, плус и подаци користе се.
Многе употребе се јављају у подаци високо сажети, док стари
подаци детаља се скоро никада не користе. Постоји добар разлог у
померити организацију на парадигму коришћења ресурса. Што више има
резиме и подаци, брже и ефикасније је доћи до подаци. ако
un продавница откријте да обавља много обраде на нивоу детаља ДВ,
затим одговарајућу велику количину машинских ресурса
се конзумира. У интересу свих је да се кривично гони
како у високом степену сажимања што пре.
За многе радње користио је ДСС аналитичар у окружењу пре ДВ
подаци на нивоу детаља. У многим аспектима долазак на подаци деттаглиати
подсећа на сигурносно ћебе, чак и када су доступни
други нивои сажетка. Једна од делатности арх подаци è
одвикнути корисника ДСС од сталне употребе подаци на највишем нивоу
ниска детаљност. Постоје два разлога
архитекте од подаци:
▪ инсталирање система повраћаја плаћања, где крајњи корисник плаћа
потрошени ресурси е
▪ који указују на то да време одговора може бити веома добро
добијено када се понашање са и подаци на високом је нивоу
резимеа, док лоше време одговора долази од
понашање од подаци на ниском нивоу
ОСТАЛИ РАЗМАТРАЊА
Постоје и нека друга разматрања изградње и управљања
ДВ.
Прво разматрање је индекс. ТХЕ подаци на највишим нивоима
резиме се може слободно индексирати, док и подаци
на нижим нивоима детаља они су гломазни колико могу бити
штедљиво индексирано. Из истог токена, тј подаци на високим нивоима
детаљ се може релативно лако реновирати,
док је обим од подаци на нижим нивоима је толико велика да и подаци не
могу се лако реновирати. Сходно томе, модел
од подаци а формални рад који је урадио дизајн представљају
основа за ДВ примењена скоро искључиво на ниво
детаљ струја. Другим речима, активности моделирања
подаци не примењују се на нивое сумирања, у скоро сваком случају.
Још једно структурално разматрање је оно о подподели
подаци би ДВ.
Подела се може извршити на два нивоа – на нивоу дбмс и ал
ниво апликације. У дивизији на нивоу дбмс, дбмс è
обавештава о одељењима и сходно томе их прати. У случају
подела на нивоу апликације, само је програмер
обавештен о поделама и њиховој одговорности
управа је препуштена њему
Испод нивоа дбмс, доста посла се обавља аутоматски. Постоји
много нефлексибилности повезане са аутоматском администрацијом
дивизије. У случају подела на нивоу апликације од подаци дел
складиште података, много посла тежи програмеру, али
крајњи резултат је флексибилност у администрацији подаци у датуму
складиште
АЛТРЕ АНОМАЛИЕ
Док су компоненте складиште података Они раде како је описано
за скоро све подаци, постоје неки корисни изузеци који морају
расправљати. Изузетак је онај од подаци јавни резимеи
(јавни збирни подаци). Су подаци резимеа који су били
израчунати из складиште података али их друштво користи. ТХЕ подаци
Јавни резимеи се чувају и њима се управља у складиште података,
иако су као што је претходно поменуто израчунате. ТХЕ
рачуновође раде на изради ових тромесечних подаци попут
приходи, тромесечни расходи, тромесечни профит и тако даље. Рад
које раде рачуновође је екстерно за складиште података. Међутим, ја подаци су
користи „интерно” унутар компаније – од маркетинг, продаја итд.
Још једна аномалија, о којој неће бити речи, је она од подаци естерни.
Још једна изузетна врста подаци који се могу наћи у датој
складиште је оно трајних детаљних података. Ови узрокују
потреба да се трајно чува и подаци на једном нивоу
детаљно из етичких или правних разлога. Ако компанија излаже и
повезаних радника са опасним материјама постоји потреба за подаци
детаљно и трајно. Ако предузеће производи производ који
укључује јавну безбедност, који делови авиона, постоје
Потреба за подаци детаљан стални, као и ако фирма
склапа опасне уговоре.
Друштво не може себи дозволити да превиди детаље јер
у наредних неколико година, у случају тужбе, опозива, а
спорни грађевински недостатак и др. изложеност компаније
могло би бити велико. Као резултат, постоји јединствена врста подаци
познат као трајни детаљни подаци.
САЖЕТАК
Un складиште података је објектно оријентисана, интегрисана, варијанта
време, збирка од подаци непостојан за подршку потребама
одлука управе. Свака од истакнутих функција
un складиште података има своје импликације. Плус има четири
нивоа подаци дел складиште података:
▪ Стари детаљ
▪ Тренутни детаљ
▪ Дати благо рекапитулирано
▪ Дати високо сажето
Метаподаци су такође важан део складиште података.
АПСТРАКТАН
Концепт складиштења подаци недавно примљена
много пажње и постао је тренд 90-их.Ово је
због капацитета а складиште података да их савлада
ограничења система подршке администрацији као што су и
системи за подршку одлучивању (ДСС) и информациони системи
извршни (ЕИС).
Чак и ако концепт о складиште података изгледа обећавајуће,
имплементирати и складиште података може бити проблематично због
великих складишних процеса. Упркос
сложеност складишних пројеката подаци, многи добављачи
и консултанти за складиштење подаци они то тврде
складиштење подаци струја не изазива никакве проблеме.
Међутим, на почетку овог истраживачког пројекта, готово ниједан
спроведена су независна, ригорозна и систематска истраживања. Од
Сходно томе, тешко је рећи шта се заиста дешава
у индустрији када се граде складиште података.
Ова студија је истраживала праксу складиштења подаци
савременика који има за циљ да развије богатије разумевање
аустралијске праксе. Анализа литературе пружила је
контекст и основа за емпиријско проучавање.
Постоје бројни налази из овог истраживања. Први
месту, ова студија је открила активности које су се десиле
током развоја складиште података. У многим областима, тј подаци окупљени
потврдила пракса о којој се говори у литератури. Друго
сајт, проблеми и проблеми који могу утицати на
развијање складиште података идентификовани су овом студијом.
Коначно, користи стечене од аустралијских организација повезаних са
употреба складиште података откривени су.
Поглавље 1
Контекст истраживања
Концепт складиштења података добио је широко признање
изложености и претворио се у тренд у настајању у
90-е (МцФадден 1996, ТДВИ 1996, Схах и Милстеин 1997,
Сханкс ет ал. 1997, Ецкерсон 1998, Аделман и Оатес 2000). То је
види се из све већег броја чланака о подацима
складиштење у трговачким публикацијама (Литтле и Гибсон 1999).
Многи чланци (видети, на пример, Фисхер 1995, Хацкатхорн 1995,
Моррис 1995а, Брамблетт и Кинг 1996, Грахам ет ал. 1996,
Сакагучи и Фролик 1996, Алварез 1997, Брусел 1997, Кларк
1997, МцЦартхи 1997, О' Доннелл 1997, Едвардс 1998, ТДВИ
1999) су пријавили значајне користи које произлазе из организација
који имплементирају и складиште података. Они су подржавали своју теорију
уз анегдотске доказе о успешним имплементацијама, висок принос
о бројкама улагања (РОИ) и, такође, пружању смерница
референце или методологије за развој складиште података
(Сханкс ет ал. 1997, Седдон и Бењамин 1998, Литтле и Гибсон
1999). У екстремном случају, Грахам ет ал. (1996) имају
пријавио просечан повраћај трогодишње инвестиције од 401%.
Велики део садашње литературе је, међутим, занемарио
сложености укључених у предузимање таквих пројеката. Пројекти оф
складиште података обично су сложени и великих размера и
стога имплицирају велику вероватноћу неуспеха ако нису
пажљиво контролисан (Схах и Милстеин 1997, Ецкерсон 1997,
Фолеи 1997б, Зиммер 1997, Борт 1998, Гиббс и Цлимер 1998, Рао
1998). Они захтевају огромне количине људи и ресурса
финансијски и, време и труд за њихову изградњу (Хилл 1998, Црофс 1998). Тхе
типично време и потребна финансијска средства су респективно
око две године и два или три милиона долара (Брали 1995, Фолеи
1997б, Борт 1998, Хумпхриес ет ал. 1999). Ова времена и средства
од финансијских институција се захтева да контролишу и консолидују многе аспекте
разлике у складиштењу података (Цафассо 1995, Хилл 1998). На страни
хардверских и софтверских разматрања, друге функције, које се разликују
од вађења на подаци на процесе утовара подаци, фром
меморијски капацитет за управљање ажурирањима и мета подацима подаци
за обуку корисника, мора се узети у обзир.
У време када је овај истраживачки пројекат започео, било је врло мало
академска истраживања спроведена у области складиштења података,
посебно у Аустралији. То је било видљиво из несташице предмета
објављено о складиштењу података у новинама или другим списима
академици тог времена. Многи од академских списа
доступан је описао искуство САД. Недостатак
академска истраживања у области сл складиштења података изазвала су
позива на ригорозна истраживања и емпиријска истраживања (МцФадден 1996,
Сханкс ет ал. 1997, Литтле и Гибсон 1999). Конкретно, студије
истраживања о процесу имплементације складиште података
треба спровести како би се проширило знање
опште у погледу спровођења складиште података e
послужиће као основа за будућу истраживачку студију (Сханкс ед
други. 1997, Литтле и Гибсон 1999).
Стога је сврха ове студије да се проучи шта заправо
То се дешава када организације одржавају и користе податке
складиште у Аустралији. Конкретно, ова студија ће укључити
анализу читавог процеса развоја а складиште података,
почев од иницијације и планирања преко пројектовања и
имплементацију и накнадну употребу унутар организација
аустралијски. Поред тога, студија ће такође допринети тренутној пракси
идентификовање области у којима се пракса може даље развијати
побољшати и неефикасност и ризици се могу минимизирати или
избегавати. Штавише, послужиће као основа за друге студије о складиште података in
Аустралији и попуниће празнину која тренутно постоји у литератури.
Истраживачка питања
Циљ овог истраживања је проучавање укључених активности
у спровођењу складиште података и њихово коришћење од
аустралијске организације. Посебно се проучавају елементи
у вези са планирањем, развојем,
рад, коришћење и укључени ризици. Дакле питање
овог истраживања је:
„Каква је садашња пракса складиште података у Аустралији?"
Да бисте ефикасно одговорили на овај проблем, а
одређени број помоћних истраживачких питања. Конкретно, три
из литературе су идентификована потпитања која је
представљено у поглављу 2, да води овај истраживачки пројекат:
Како се спроводе и складиште података по организацијама
Аустралијанац? На које проблеме сте се сусрели?
Које су предности доживљене?
У одговору на ова питања коришћен је цртеж
истраживачко истраживање које користи анкету. Како учим
истраживачки, одговори на горња питања нису потпуни
(Сханкс ет ал. 1993, Денсцомбе 1998). У овом случају јесте
триангулација је потребна да би се побољшали одговори на њих
захтева. Међутим, истрага ће пружити чврсту основу за
будући рад који испитује ова питања. Један детаљан
дискусија о оправданости и дизајну метода истраживања
представљено је у поглављу 3.
Структура истраживачког пројекта
Овај истраживачки пројекат је подељен на два дела: контекстуалну студију
концепта складиштења података и емпиријског истраживања (види
слика 1.1), од којих је сваки размотрен у наставку.
Део И: Контекстуална студија
Први део истраживања састојао се у преиспитивању
актуелна литература о различитим врстама складиштења података укључујући и
системи за подршку одлучивању (ДСС), информациони системи
екецутиве (ЕИС), студије случаја складиште података и појмови датума
складиште. Штавише, резултати форума складиште података и
групе састанака за стручњаке и професионалце које спроводи група
Истраживање Монасх ДСС, допринело је овој фази студије
који је био намењен добијању информација о пракси података
складиште и да се идентификују ризици који су укључени у њихово усвајање.
Током овог периода контекстуалног проучавања, разумевања
проблематичног подручја је успостављено да пружи знање о
основа за накнадна емпиријска истраживања. Међутим, ово
то је био процес који је трајао док се студија одвијала
истраживања.
ИИ део: Емпиријска истраживања
Релативно нови концепт складиштења података, посебно
у Аустралији, створио потребу за спровођењем анкете за
добити ширу слику о искуству коришћења. Ово
део је спроведен када је проблемски домен био
установљено је опсежним прегледом литературе. Концепт
складишта података формираног током фазе контекстуалног проучавања је
је коришћен као инпут за почетни упитник ове студије.
Након овога, упитник је испитан. Ви сте експерти за састанке
складиште учествовало у тестирању. Сврха теста
Првобитни упитник је требало да провери комплетност и тачност
нека питања. На основу резултата тестирања упитник је
је измењено и измењена верзија је послата на
учесници анкете. Упитници враћени тада су били
анализирано за и подаци у табелама, дијаграмима и другим форматима. ТХЕ
резултати анализе подаци формирају тренутну фотографију
пракса складиштења података у Аустралији.
ПРЕГЛЕД СКЛАДИШТА ПОДАТАКА
Концепт складиштења података је еволуирао са побољшањима
компјутерске технологије.
Она је усмерена на превазилажење проблема са којима се сусрећу групе
подршка апликацијама као што је систем за подршку одлучивању (ДСС) е
Извршни информациони систем (ЕИС).
У прошлости је главна препрека ових апликација била
немогућност ових апликација да обезбеде а база података
неопходна за анализу.
Ово је углавном узроковано природом посла
менаџмент. Интереси менаџмента компаније су различити
стално у зависности од третиране површине. Стога и подаци
фундаментално за ове апликације мора бити у стању да
брзо мењати у зависности од дела који се третира.
То значи да и подаци морају бити доступни у форми
адекватан за потребне анализе. У ствари, групе подршке од
апликацијама је у прошлости било веома тешко прикупити ед
интеграција подаци из сложених и разноврсних извора.
Остатак овог одељка представља преглед концепта
складиштење података и бави се како складиште података може да превазиђе
Проблеми са групом за подршку апликацијама.
Израз „Складиште података” је објавио Виллиам Инмон 1990. године.
Његова често цитирана дефиниција види Складиште података како
колекција подаци предметно оријентисан, интегрисан, непроменљив и променљив
током времена, као подршка одлукама управљања.
Користећи ову дефиницију Инмон истиче да и подаци ресиденти
у а складиште података мора имати следеће 4
Карактеристике:
▪ Предметно оријентисан
▪ Интегрисан
▪ Неиспарљив
▪ Променљиво током времена
Под предметно оријентисаним Инмон подразумева да и подаци у датуму
складиште у највећим организационим областима које су биле
дефинисане у моделу подаци. На пример све подаци у вези и клијенти
садржани су у предметној области КОРИСНИЦИ. Исто тако све
подаци који се односе на производе садржани су у предметној области
ПРОИЗВОДИ.
Под Интегратед Инмон подразумева да и подаци који долазе из различитих
платформе, системи и локације се комбинују и чувају у
једно место. Последично подаци слично се мора трансформисати
у доследним форматима тако да се могу додавати и поредити
лако.
На пример, представљени су мушки и женски род
словима М и Ф у једном систему, а са 1 и 0 у другом. За
да их интегришу на прави начин, један или оба формата морају
трансформисати тако да су два формата иста. У ово
случају можемо променити М у 1 и Ф у 0 или обрнуто. Оријентисан ка
предмет и Интегрисани указују да је складиште података дизајниран је за
пружају функционалну и трансверзалну визију подаци на страну
од компаније.
Под Непроменљивим подразумева да и подаци у складиште података остају
доследан и ажуриран подаци није потребно. Уместо тога, сваки
променити у подаци оригинали се додају у база података датума
складиште. То значи да историјски деи подаци садржан је у
складиште података.
За променљиве са временом Инмон указује да и подаци у складиште података
увек садрже еи индикаторе времена подаци нормално
прећи одређени временски хоризонт. На пример а
складиште података може садржати 5 година историјских вредности клијенти Дал
1993. до 1997. Доступност историје и временске серије
од подаци омогућава вам да анализирате трендове.
Un складиште података може сакупити своје подаци од система
ОЛТП;од порекла подаци екстерно у односу на организацију и/или од стране других стручњака
хватање системских пројеката подаци.
I подаци екстракти могу проћи кроз процес чишћења, у
овај случај и подаци трансформишу се и интегришу пре него што буду
ускладиштено у база података дел складиште података. Онда сам ја подаци
становника у оквиру база података дел складиште података стављају се на располагање
за приступ крајњем кориснику и алате за опоравак. Користећи
овим алатима крајњи корисник може приступити интегрисаном приказу
организације подаци.
I подаци становника у оквиру база података дел складиште података су
похрањене иу детаљима иу резименим форматима.
Ниво сажетка може зависити од природе подаци. Ја подаци
детаљан може се састојати од подаци струја е подаци историчари
I подаци ауторске накнаде нису укључене у складиште података до и подаци
у складиште података се ажурирају.
Поред чувања и подаци себе, а складиште података такође може
складишти другу врсту дато под називом МЕТАДАТА који
описати и подаци становника у његовом база података.
Постоје две врсте метаподатака: развојни метаподаци и развојни метаподаци
анализе.
Развојни метаподаци се користе за управљање и аутоматизацију
процеси екстракције, чишћења, мапирања и утовара подаци у
складиште података.
Информације садржане у метаподацима развоја могу да садрже
детаљи оперативних система, детаљи о елементима за издвајање,
шаблон подаци дел складиште података и правила компаније за
конверзија од подаци.
Други тип метаподатака, познат као метаподаци аналитике
омогућава крајњем кориснику да истражује садржај података
складиште за проналажење подаци доступни и шта они значе у терминима
јасне и нетехничке.
Стога метаподаци аналитике функционишу као мост између података
магацинске и апликације за крајње кориснике. Ови метаподаци могу
садрже пословни модел, описе подаци дописници
пословном моделу, унапред дефинисаним упитима и извештајима,
информације за пријављивање корисника и индекс.
Метаподаци анализе и развоја морају бити комбиновани у један
интегрисани садржај метаподатака да би исправно функционисао.
Нажалост, многи од постојећих алата имају своје
метаподатака и тренутно не постоје постојећи стандарди који
омогућавају алатима за складиштење података да их интегришу
метаподаци. Да би поправили ову ситуацију многи трговци
главни алати за складиштење података су формирали Мета Дата
Савет који је касније постао Мета Дата Цоалитион.
Сврха ове коалиције је да изгради скуп метаподатака
стандард који омогућава различитим алатима за складиштење података да
претворити метаподатке
Њихови напори су резултирали рођењем Мете
Спецификација за размену података (МДИС) која ће омогућити размену
информација између Мицрософт архива и повезаних МДИС датотека.
Постојање од подаци и сумирани/индексирани и детаљни дати
корисник могућност да изврши БУШЕЊЕ УДАЉЕЊА
(бушење) хајде подаци индексирано на детаљне и обрнуто.
Постојање од подаци детаљне историје омогућава стварање
анализа тренда током времена. Поред тога, метаподаци анализе могу
користити као именик база података дел складиште података на
помоћи крајњим корисницима да лоцирају и подаци неопходно.
У поређењу са ОЛТП системима, са њиховом способношћу подршке
анализа подаци и извештавање, складиште података посматра се као систем
прикладније за информационе процесе као што су прављење и
одговарати на упите и правити извештаје. Следећи одељак
ће детаљно истаћи разлике ова два система.
СКЛАДИШТЕ ПОДАТАКА ПРОТИВ ОЛТП СИСТЕМА
Многи информациони системи унутар организација
Они су намењени за подршку свакодневним операцијама. Ове
системи познати као ОЛТП СИСТЕМИ, хватају трансакције
свакодневно се ажурира.
I подаци у оквиру ових система често се модификују, додају или
избрисан. На пример, адреса клијента се једва мења
сели се са једног места на друго. У овом случају нова адреса
биће регистровани изменом поља адресе база података.
Главни циљ ових система је смањење трошкова
трансакције и истовремено скратити време обраде.
Примери ОЛТП система укључују критичне радње као што је писање
рачуноводство налога, обрачун зарада, фактуре, производња, АИ услуге клијенти.
За разлику од ОЛТП система који су креирани по процесу
на основу трансакција и догађаја, тј складиште података створени су
да пружи подршку процесима заснованим на аналитици подаци и горе
процеси одлучивања.
Ово се обично постиже интеграцијом и подаци из разних система
ОЛТП и екстерни у једном „контејнеру“. подаци,као што је објашњено
у претходном одељку.
Монасх модел процеса складиштења података
Модел процеса за складиште података Монаш је развио
истраживачи из Монасх ДСС Ресеарцх Гроуп, заснива се на
литературе оф складиште података, о искуству у подршци
развој системских области, о дискусијама са добављачима
апликације за употребу на складиште података, на групи стручњака
у употреби од складиште података.
Фазе су: почетак, планирање, развој и операције
Објашњења. Дијаграм објашњава итеративну природу или
еволутивни развој а складиште података процес користећи
двосмерне стрелице постављене између различитих фаза. У ово
„итеративни“ и „еволутивни“ контекст значе да на сваком
корак процеса, активности имплементације се могу обавити
увек пропагирати уназад до претходне фазе. Ово је
због природе пројекта а складиште података нел куале
додатни захтеви се јављају у било ком тренутку
крајњег корисника. На пример, током фазе развоја а
процес складиште података, један је захтеван од стране крајњег корисника
нову димензију или предметну област, која није припадала
оригинални план, ово се мора додати систему. Ово
изазива промену пројекта. Резултат је да тим од
дизајн мора да промени захтеве до сада креираних докумената
током фазе пројектовања. У многим случајевима, тренутно стање
пројекат мора да се врати у фазу пројектовања где
нови захтев мора бити додат и документован. Корисник
финал мора бити у могућности да види конкретну документацију која се прегледа еи
промене које су извршене у фази развоја. На крају
Овај развојни циклус пројекат мора да добије одличне повратне информације
оба тима, развојни тим и кориснички тим. ТХЕ
повратне информације се затим поново користе за побољшање будућег пројекта.
Планирање капацитета
Дв имају тенденцију да буду веома велике величине и расту
врло брзо (Бест 1995, Рудин 1997а) након
Износ подаци историје које задржавају од свог трајања. тамо
раст такође може бити узрокован подаци додатне ставке које захтева
корисника да повећају вредност подаци које већ имају. Од
сходно томе, захтеви за складиштење за подаци моћи
бити значајно побољшани (Ецкерсон 1997). Дакле то је
неопходно обезбедити, спровођењем планирања од
капацитет, са којим систем који се гради може расти
раст потреба (Бест 1995, ЛаПланте 1996, Ланг 1997,
Ецкерсон 1997, Рудин 1997а, Фолеи 1997а).
У планирању дв скалабилности, мора се знати
очекивани раст величине залиха, врсте питања
који ће вероватно бити спроведен и број подржаних крајњих корисника (најбољи
1995, Рудин 1997б, Фолеи 1997а). Направите скалабилне апликације
захтева комбинацију скалабилних серверских технологија и техника
пројектовања скалабилних апликација (Бест 1995, Рудин 1997б.
Оба су неопходна приликом креирања апликације
изузетно скалабилан. Скалабилне серверске технологије могу
чине лаким и корисним додавање складишта, меморије и
ЦПУ без деградирања перформанси (Ланг 1997, Телепхони 1997).
Постоје две главне скалабилне серверске технологије: рачунарство
симетрични вишеструки (СМП) и масивна обрада
паралелно (МПП) ) (ИДЦ 1997, Хумпхриес ет ал. 1999). Сервер
СМП обично има више процесора који деле једну меморију,
систем аутобуса и други ресурси (ИДЦ 1997, Хумпхриес ет ал. 1999).
Могу се додати додатни процесори за повећање
ла суа снага рачунски. Још један метод за повећање
снага рачунарска снага СМП сервера, је да комбинује бројне
СМП машине. Ова техника је позната као груписање (Хумпхриес
ет ал. 1999). МПП сервер, с друге стране, има више процесора сваки
са сопственом меморијом, системом магистрале и другим ресурсима (ИДЦ 1997,
Хумпхриес ет ал. 1999). Сваки процесор се назива чвором. А
повећање у снага може се постићи рачунски
додавање додатних чворова МПП серверима (Хумпхриес ет ал.
КСНУМКС).
Слабост СМП сервера је превише улазно-излазних операција
(И/О) може загушити систем магистрале (ИДЦ 1997). Ово
проблем се не јавља унутар МПП сервера јер сваки
процесор има свој систем магистрале. Међутим, међусобне везе
између сваког чвора они су генерално много спорији од система магистрале
од СМП-а. Поред тога, МПП сервери могу додати слој
додатна сложеност за програмере апликација (ИДЦ
1997). Тако се може утицати на избор између СМП и МПП сервера
многим факторима, укључујући сложеност питања, однос
цена/перформансе, потребни капацитет третмана,
спреченим дв апликацијама и повећањем величине база података
дв и у броју крајњих корисника.
Бројне скалабилне технике дизајна апликација
може се користити у планирању капацитета. Један
користи различите периоде обавештења као што су дани, недеље, месеци и године.
Имајући различите периоде обавештења, база података могу се поделити на
комади се лако групишу (Инмон ет ал. 1997). Још један
техника је коришћење збирних табела које се конструишу
Сумирајући подаци da подаци детаљан. Па сам подаци резимеа је више
компактан него детаљан, што захтева мање меморијског простора.
Дакле подаци детаља се може сачувати у драјву
јефтиније складиштење, што штеди још више простора за складиштење.
Иако коришћење табела са сажетком може уштедети простор
меморије, захтевају много труда да би били ажурни и у
у складу са комерцијалним потребама. Међутим, ова техника је
широко коришћени и често коришћени у спрези са техником
претходни (Бест 1995, Инмон 1996а, Цхаудури и Даиал
КСНУМКС).
Дефинисање Складиште података Технички
Архитектуре Дефиниција техника
дв архитектуре
Рани они који су усвојили складиштење података првенствено су замислили
централизована имплементација дв где су сви подаци, укључено
i подаци спољне, биле су интегрисане у једну,
физичко складиштење (Инмон 1996а, Бреснахан 1996, Пеацоцк 1998).
Главна предност овог приступа је да крајњи корисници
Могу да приступим погледу на предузетничком нивоу
(приказ у целом предузећу) деи подаци организационе (Овум 1998). Други
предност је што нуди стандардизацију подаци кроз
организације, што значи да постоји само једна верзија или
дефиниција за сваку терминологију која се користи у депозиту дв
(репосити) метаподаци (Фланаган и Сафдие 1997, Овум 1998). Тхе
мана овог приступа је, с друге стране, што је скуп и тежак
бити изграђен (Фланаган и Сафдие 1997, Овум 1998, Инмон ет ал.
1998). Недуго након архитектуре складиштења подаци
централизован је постао популаран, концепт екстракције је еволуирао
најмањих подскупова подаци да подржи потребе
специфичне примене (Варнеи 1996, ИДЦ 1997, Берсон и Смитх
1997, паун 1998). Ови мали системи су изведени из више
велики складиште података централизована. Зову се датум
зависна одељенска складишта или зависна тржишта података.
Архитектура зависне базе података позната је као
трослојна архитектура где се први ниво састоји од података
централизовано складиште, друго се састоји од магацина подаци
одељењски а трећи се састоји од приступа до подаци и од оруђа од
анализа (Демарест 1994, Инмон ет ал. 1997).
Сатови података се обично граде након складиште података
централизован је изграђен да задовољи потребе
специфичне јединице (Вхите 1995, Варнеи 1996).
Маркети са подацима чувају подаци веома релевантно у вези са појединостима
јединство (Инмон ет ал. 1997, Инмон ет ал. 1998, ИА 1998).
Предност ове методе је у томе што неће бити дато не
интегрисан и да и подаци они ће бити мање сувишни у оквиру података
мартс пошто све подаци долазе из магацина подаци интегрисани.
Још једна предност је што ће између њих бити мало веза
витрине података и сродни извори подаци јер свако тржиште података има само
извор од подаци. Плус са овом архитектуром на месту, корисници
финала још увек може приступити прегледу подаци
корпоративне организације. Овај метод је познат као
метода одозго надоле, у којој се витрине података граде након података
складиште (паун 1998, Гоф 1998).
Повећање потребе да се резултати рано покажу, неки
организације су почеле да граде независне продавнице података
(Фланаган и Сафдие 1997, Вхите 2000). У овом случају, витрине података
узимају своје подаци директно из основа подаци ОЛТП а не из
централизовано и интегрисано складиштење, чиме се елиминише потреба за
имају централно складиште на лицу места.
Свако тржиште података захтева најмање једну везу до својих извора
di подаци. Један недостатак што имате више веза за сваки датум
март је да, у поређењу са две претходне архитектуре,
преобиље од подаци значајно повећава.
Свака база података мора да складишти све подаци тражено локално за
немају утицаја на ОЛТП системе. Ово узрокује да и подаци
они се чувају у различитим базама података (Инмон ет ал. 1997).
Још један недостатак ове архитектуре је што доводи до
стварање сложених интерконекција између база података и њихових
извори на подаци које је тешко спровести и контролисати (Инмон ед
други. 1997).
Још један недостатак је што крајњи корисници не могу да напајају
приступити прегледу информација о компанији као и подаци
различита тржишта података нису интегрисана (Овум 1998).
Још један недостатак је што их може бити више од једног
дефиниција за сваку терминологију која се користи у базама података које генерише
недоследности од подаци у организацији (Овум 1998).
Упркос горе наведеним недостацима, независна тржишта података
и даље привлаче интересовање многих организација (ИДЦ 1997).
Један фактор који их чини привлачним је да се брже развијају
и захтевају мање времена и ресурса (Бреснахан 1996, Берсон е
Смитх 1997, Овум 1998). Сходно томе, они углавном служе
као тест пројекти који се могу користити за идентификацију
брзо користи и/или несавршености у пројекту (Парсаие
1995, Брали 1995, Невинг 1996). У овом случају, део из
имплементирати у пилот пројекат мора бити мали, али важан
за организацију (Невинг 1996, Манселл-Левис 1996).
Испитивањем прототипа крајњи корисници и администрација могу
одлучити да ли наставити или зауставити пројекат (Фланаган и Сафдие
КСНУМКС).
Ако је одлука да се настави, витрине података за друге секторе
треба их градити један по један. Постоје две опције за
крајњи корисници на основу њихових потреба у конструкцији података
независни матри: интегрисани/федеративни и неинтегрисани (Овум
КСНУМКС)
У првом методу, свака нова база података треба да се изгради
на основу тренутних продајних места и модела подаци коришћени
од стране фирме (Варнеи 1996, Берсон и Смитх 1997, Пеацоцк 1998).
Потреба за коришћењем модела подаци компаније чини неопходним
обезбедити да постоји само једна дефиниција за сваку терминологију
који се користи преко база података, ово такође треба да обезбеди да подаци
Различите продавнице се могу спојити да би се дао преглед
корпоративне информације (Бреснахан 1996). Овај метод је
назива се одоздо према горе и најбоље је када постоји ограничење на
финансијска средства и време (Фланаган и Сафдие 1997, Овум 1998,
паун 1998, Гоф 1998). У другом методу, витрине података
изграђен може задовољити само потребе одређене јединице.
Варијанта федералног тржишта података је складиште података дистрибуиран
у којој је база података посредни софтвер хуб сервера се користи за спајање многих
витрине података у једном спремишту подаци дистрибуира (Вхите 1995). У
овај случај, тј подаци компаније су распоређене у неколико база података.
Захтеви крајњих корисника се прослеђују на база података
сервер хуб миддлеваре, који издваја све подаци тражени подацима
продаје и враћа резултате апликацијама крајњег корисника. Ово
метод пружа пословне информације крајњим корисницима. Међутим,
Проблеми са базама података још увек нису отклоњени
независни. Постоји још једна архитектура која се може користити, а то је
звати складиште података виртуелни (Вхите 1995). Међутим, ово
архитектура, која је описана на слици 2.9, није архитектура
складиштења подаци прави пошто не помера терет
од ОЛТП система до складиште података (Демарест 1994).
У ствари, захтеви од подаци од стране крајњих корисника су прешли на
ОЛТП системи који враћају резултате након обраде
захтеви корисника. Иако ова архитектура омогућава корисницима
финале за генерисање извештаја и формулисање захтева, не може да обезбеди и
подаци историјски и преглед информација о компанији као и подаци
из различитих ОЛТП система нису интегрисани. Дакле, овај
архитектура не може да задовољи анализу од подаци сложене као нпр
пример прогнозе.
Избор приступних и приступних апликација
опоравак од подаци
Сврха изградње а складиште података је пренети
информације крајњим корисницима (Инмон ет ал 1997, Пое 1996,
МцФадден 1996, Сханкс ет ал 1997, Хаммергрен 1998); један или
вишеструки приступ и апликације за опоравак подаци мора се обезбедити. До
Данас постоји велики избор ових апликација које корисник може изабрати
изабрати (Хаммергрен 1998, Хумпхриес ет ал. 1999). Тхе
одабране апликације одређују успех напора
складиштења подаци у организацији јер се
апликације су највидљивији део складиште података кориснику
коначно (Инмон ет ал. 1997, Пое 1996). Да би успео на састанку
складиште, мора бити у стању да подржи активности анализе подаци
крајњег корисника (Пое 1996, Седдон и Бењамин 1998, Ецкерсон
1999). Дакле, „ниво“ онога што крајњи корисник жели мора бити
идентификовани (Пое 1996, Маттисон 1996, Инмон ет ал 1997,
Хумпхриес и др. 1999).
Уопштено говорећи, крајњи корисници се могу груписати у три
категорије: извршни корисници, пословни аналитичари и напредни корисници (Пое
1996, Хумпхриес ет ал. 1999). Извршним корисницима треба
лак приступ унапред дефинисаним скуповима извештаја (Хумпхриес ед
други 1999). Ови извештаји се могу лако постићи помоћу
навигација кроз мени (Пое 1996). Плус, извештаји би требали
представити информације користећи графички приказ
као што су табеле и шаблони за брзи транспорт
информације (Хумпхриес ет ал. 1999). Пословни аналитичари, који немају
могу имати техничке могућности да развију односе из
нуле сами по себи, морају бити у могућности да модификују тренутне односе на
задовољити њихове специфичне потребе (Пое 1996, Хумпхриес ет ал
1999). Напредни корисници су, с друге стране, тип крајњих корисника који
имају могућност генерисања и писања захтева и извештаја из
нула (Пое 1996, Хумпхриес ет ал. 1999). Они су ти који
израдити извештаје за друге типове корисника (Пое 1996, Хумпхриес
и други 1999).
Када се одреде, морају се испунити захтеви крајњег корисника
избор апликација за приступ и опоравак подаци међу свим
оне доступне (Пое 1996, Инмон ет ал. 1997).
Приступ подаци а алати за проналажење могу бити
класификовани у 4 типа: ОЛАП алат, ЕИС/ДСС алат, алат за упите и
алати за извештавање и рударење података.
ОЛАП алати омогућавају корисницима да креирају ад хоц упите као и
оне направљене на база података дел складиште података. Плус ови производи
омогући корисницима да анализирају подаци општи за оне
детаљан.
ЕИС/ДСС алати пружају извршно извештавање као анализу „шта ако”.
и приступ извештајима организованим у менију. Извештаји морају бити
унапред дефинисани и спојени са менијима за лакшу навигацију.
Алати за упите и извештавање омогућавају корисницима да праве извештаје
унапред дефинисане и специфичне.
Алати за рударење података се користе за идентификацију односа који
могао бацити ново светло на заборављене операције у подаци дел
складиште података.
Поред оптимизације захтева сваког типа корисника, тј
Одабрани алати морају бити интуитивни, ефикасни и лаки за употребу.
Такође морају бити компатибилни са другим деловима архитектуре, нпр
способан за рад са постојећим системима. Такође се предлаже да
изаберите алате за приступ подацима и проналажење са ценама и перформансама
разумно. Остали критеријуми које треба размотрити укључују посвећеност
добављач алата у подршци њиховом производу и развоју који га
исто ће имати у будућим издањима. Да би се обезбедило ангажовање корисника
у коришћењу складишта података развојни тим укључује
корисника у процесу избора алата. У овом случају
треба извршити практичну процену корисника.
Развојни тим може да побољша вредност складишта података
такође пружају веб приступ њиховим складиштима података. А
Веб-омогућено складиште података омогућава корисницима приступ подаци
са удаљених места или током путовања. Додатне информације могу
бити обезбеђен по нижим трошковима кроз смањење трошкова
ди тренинг.
2.4.3 Складиште података Операциона фаза
Ова фаза се састоји од три активности: Дефинисање стратегије датума
освежавање, контрола активности складишта података и управљање
безбедност складишта података.
Дефинисање стратегија освежавања података
Након почетног учитавања, тј подаци у база података складишта података
мора се периодично освежавати да бисте играли
измене извршене на подаци оригинали. Стога морамо одлучити
када освежити, колико често
освежити и како освежити подаци. Предлаже се да се уради
освежити деи подаци када се систем може пребацити ван мреже. тамо
Брзину освежавања одређује развојни тим
на захтеве корисника. Постоје два приступа освежавању
складиште података: потпуно освежавање и континуирано учитавање
Промене.
Први приступ, потпуно освежавање, захтева поновно учитавање
све подаци од нуле. То значи да све подаци потребно мора
бити извучени, очишћени, трансформисани и интегрисани у свако освежавање. Ово
приступ треба, колико је то могуће, избегавати јер
То захтева много времена и средстава.
Алтернативни приступ је континуирано учитавање и
Промене. Ово додаје и подаци које су промењене
од последњег циклуса освежавања складишта података. Идентификација
нових или измењених записа значајно смањује количину
подаци који се мора пропагирати до складишта података у сваком
ажурирати пошто само ове подаци биће додат у база података
складишта података.
Постоји најмање 5 приступа који се могу користити за повлачење
i подаци нове или модификоване. Да бисте добили ефикасну стратегију
освежити деи подаци мешавина ових приступа може бити корисна
преузима све промене у систему.
Први приступ, који користи временске ознаке, претпоставља да долази
додељена свима подаци уредио и ажурирао временску ознаку тако
да могу лако да идентификују све подаци измењени и нови.
Овај приступ, међутим, није био широко коришћен у већини
део данашњих оперативних система.
Други приступ је коришћење делта датотеке коју генерише
апликација која садржи само промене направљене на подаци.
Коришћење ове датотеке такође појачава циклус ажурирања.
Међутим, чак ни овај метод није коришћен у многима
апликације.
Трећи приступ је скенирање датотеке евиденције, која
у основи садржи информације сличне делта фајлу. Једини
разлика је у томе што се креира датотека евиденције за процес опоравка и
може бити тешко разумети.
Четврти приступ је измена кода апликације.
Међутим, већина кода апликације је стара и
крхак; стога ову технику треба избегавати.
Последњи приступ је упоређивање подаци извори са датотеком
главни богови подаци.
Контрола активности складишта података
Једном када је складиште података пуштено корисницима, јесте
неопходно је пратити током времена. У овом случају, администратор
складишта података може користити један или више алата за управљање и
контролу за праћење коришћења складишта података. Нарочито
могу се прикупљати информације о људима и времену
којима приступају складишту података. Хајде подаци усеви се могу стварати
профил обављеног посла који се може користити као улаз
у примени повраћаја средстава од корисника. Тхе Цхаргебацк
омогућава корисницима да буду обавештени о трошковима обраде
складиште података.
Штавише, контрола складишта података се такође може користити за
идентификују типове упита, њихову величину, број упита по
дан, време одговора на упит, достигнути сектори и количина
di подаци обрађене. Још једна сврха провере
складиште података је да идентификује подаци који нису у употреби. Ове подаци
могу се уклонити из складишта података ради побољшања времена
одговора на извршење упита и прати раст
подаци који бораве у оквиру база података складишта података.
Управљање безбедношћу складишта података
Складиште података садржи подаци интегрисано, критично, осетљиво да
може се лако доћи. Из тог разлога би требало
бити заштићени од неовлашћених корисника. Један начин да
имплементирати безбедност је коришћење функције дел ДБМС
да додели различите привилегије различитим типовима корисника. У ово
начин, профил мора да се одржава за сваки тип корисника
приступ. Други начин да обезбедите своје складиште података је да га шифрујете
како је написано у база података складишта података. Приступ
подаци а алати за проналажење морају дешифровати подаци пре подношења и
резултате корисницима.
2.4.4 Складиште података Фаза имплементације
То је последња фаза у циклусу имплементације складишта података. Тхе
активности које ће се спроводити у овој фази укључују обуку за
корисницима да користе складиште података и креирају рецензије
складишта података.
Обука корисника
Прво треба обавити обуку корисника
приступа подаци складишта података и употребе алата
проналажење. Генерално, сесије треба да почну са
увод у концепт складиштења подаци, то
садржај складишта података, аи мета подаци и основне карактеристике
од алата. Тада би напреднији корисници такође могли да проучавају
физичке табеле и корисничке карактеристике приступа подацима и алата
проналажење.
Постоји много приступа обуци корисника. Један од
ово укључује избор многих корисника или аналитичара које бира а
група корисника, на основу њиховог вођства и способности
комуникација. Они су обучени у личном својству на
све што треба да знају да би се упознали са
система. Када се обука заврши, враћају се свом послу и
почињу да уче друге кориснике како да користе систем. На
на основу онога што су научили, други корисници могу почети
истражите складиште података.
Други приступ је обучавање многих корисника у истом
време, као да похађате курс у учионици. Овај метод
Погодан је када има много корисника које треба обучити
истовремено. Још један метод је тренирање
сваког корисника појединачно, једног по једног. Овај метод је
погодно када има мало корисника.
Сврха обуке корисника је да вас упозна
са приступом подаци и алати за проналажење као и садржај
складиште података. Међутим, неки корисници могу бити преоптерећени
по количини информација датих током седнице
обука. Дакле, одређени број ствари мора да се уради
сталне сесије подршке и освежавања за одговор
на конкретна питања. У неким случајевима се формира група
корисницима да пруже ову врсту подршке.
Прикупљање повратних информација
Када се складиште података уведе, корисници могу
користити и подаци који се налазе у складишту података за различите намене.
Углавном аналитичари или корисници користе и подаци у
складиште података за:
1 Идентификујте трендове компаније
2 Анализирајте профиле куповине клијенти
3 Подели и клијенти и
4 Пружити најбоље услуге за клијенти – прилагодите услуге
5 Формулирајте стратегије маркетинг
6 Обезбедите конкурентне понуде за анализу трошкова и помоћ
контрола
7 Подржати стратешко доношење одлука
8 Идентификујте могућности да се истакнете
9 Побољшати квалитет текућих пословних процеса
10 Проверите профит
Пратећи правац развоја складишта података могли би
Спроведите серију прегледа система да бисте добили повратне информације
како из развојног тима тако и из заједнице
крајњи корисници.
Добијени резултати се могу узети у обзир за
следећи развојни циклус.
Пошто складиште података има инкрементални приступ,
неопходно је учити из успеха и грешака претходних
развој догађаја.
2.5 Резиме
У овом поглављу разматрани су приступи присутни у
књижевност. У одељку 1 дискутовано је о концепту
складиште података и његова улога у науци о одлучивању. У
одељак 2 главне разлике између
складиште података и ОЛТП системи. У одељку 3 разговарали смо о
Модел складишта података Монасх који је коришћен
у одељку 4 да опише активности укључене у процес
развој складишта података, ове тезе нису засноване на
ригорозно истраживање. Оно што се дешава у стварности може бити
веома различито од онога што литература извештава, међутим ове
резултати се могу користити за креирање основног пртљага који
нагласити концепт складишта података за ово истраживање.
Поглавље 3
Методе истраживања и пројектовања
Ово поглавље се бави методама истраживања и пројектовања за
Ова студија. Први део приказује генерички поглед на методе
истраживања доступних за проналажење информација, штавише
разматрају се критеријуми за избор најбоље методе за једну
посебна студија. Две методе се затим разматрају у одељку 2
изабрани према управо наведеним критеријумима; од ових ће бити изабрани и
усвојио један са разлозима наведеним у одељку 3 где су
образложени су и разлози за искључење другог критеријума. тамо
одељак 4 представља дизајн истраживања, а одељак 5 га представља
закључци.
3.1 Истраживање информационих система
Истраживање информационих система није једноставно ограничено
на технолошко поље, али се такође мора проширити да укључи
циљеви у погледу понашања и организације.
То дугујемо тезама различитих дисциплина у распону од
друштвене науке на природне; ово доводи до потребе за а
одређени спектар истраживачких метода који укључују квантитативне методе
а квалитативне које ће се користити за информационе системе.
Важне су све доступне методе истраживања, заправо неколико
истраживачи као што су Јенкинс (1985), Нунамакер ет ал. (1991) и Галлиерс
(1992) тврде да не постоји специфичан универзални метод
да спроводи истраживања у различитим областима информационих система; Заиста
метода може бити погодна за одређено истраживање али не
за друге. Ово нам доводи до потребе да изаберемо метод који
је погодан за наш конкретни истраживачки пројекат: за овај
избор Бенбасат ет ал. (1987) наводе да их треба размотрити
природу и сврху истраживања.
3.1.1 Природа истраживања
Различите методе засноване на природи истраживања могу бити
разврстане у три традиције широко познате у науци
информација: позитивистичка, интерпретативна и критичка истраживања.
3.1.1.1 Позитивистичко истраживање
Позитивистичко истраживање је познато и као научна студија или
емпиријски. Покушава да: „објасни и предвиди шта ће се догодити у
друштвеног света сагледавањем правилности и узрочно-последичних веза
међу елементима који га чине” (Сханкс ет ал 1993).
Позитивистичка истраживања карактерише и поновљивост,
упрошћавања и оповргавања. Штавише, позитивистичка истраживања признају
постојање априорних односа између проучаваних појава.
Према Галлиерсу (1992) таксономија је истраживачки метод
укључена у позитивистичку парадигму, која међутим није ограничена на ово,
у ствари постоје лабораторијски експерименти, теренски експерименти,
студије случаја, докази теорема, предвиђања и симулације.
Користећи ове методе истраживачи признају да су феномени
проучавани могу се посматрати објективно и ригорозно.
3.1.1.2 Интерпретативно истраживање
Интерпретативно истраживање, које се често назива феноменологијом или
анти-позитивизам описује Неуман (1994) као „анализу
систематичност друштвеног значења радње кроз директну и
детаљно посматрање људи у природним ситуацијама, ред
да би се дошло до разумевања и тумачења како се
људи стварају и одржавају свој друштвени свет“. Студије
интерпретативне методе одбацују претпоставку да посматране појаве
може се објективно посматрати. У ствари, они су засновани
на субјективна тумачења. Штавише, интерпретативни истраживачи то не чине
намећу априорна значења појавама које проучавају.
Овај метод укључује субјективне/аргументативне студије, акције од
истраживања, дескриптивне/интерпретативне студије, будућа истраживања и игре
улога. Поред ових истраживања и студија случаја могу се
укључени у овај приступ јер се тичу проучавања
појединци или организације у сложеним ситуацијама
стварног света.
3.1.1.3 Критичко истраживање
Критичко испитивање је најмање познат приступ у науци
друштвени, али је недавно добио пажњу истраживача
у области информационих система. Филозофска претпоставка да је
друштвену стварност историјски производе и репродукују људи,
као и друштвени системи са њиховим деловањем и интеракцијама. Њихова
способност је, међутим, посредована одређеном количином обзира
друштвени, културни и политички.
Баш као и интерпретативно истраживање, критичко истраживање тврди да
позитивистичка истраживања немају никакве везе са друштвеним контекстом и игноришу га
њен утицај на људске поступке.
Критичко истраживање, с друге стране, критикује интерпретативно истраживање за
бити превише субјективан и зато што нема за циљ да помогне
људи да побољшају своје животе. Највећа разлика између
критичко истраживање и друга два приступа је његова евалуативна димензија.
Док је објективност позитивистичке и интерпретативне традиције за
предвидети или објаснити статус куо или друштвену стварност, критичко истраживање
има за циљ да критички процени и трансформише темељну друштвену стварност
студио.
Критички истраживачи се обично супротстављају статусу кво да би
отклонити социјалне разлике и побољшати социјалне услове. тамо
критичко истраживање има опредељење за процесни поглед на
феномена од интереса и, стога, је нормално лонгитудинално.
Примери истраживачких метода су дугорочне историјске студије и
етнографске студије. Критичко истраживање, међутим, није било
широко се користи у истраживању информационих система
3.1.2 Сврха истраживања
Уз природу претраге, може се користити и њена сврха
да води истраживача у избору одређене методе
истраживања. Сврха истраживачког пројекта је уско повезана
на позицију претраге у односу на циклус претраживања који се састоји од
три фазе: изградња теорије, тестирање теорије и усавршавање теорије
теорија. Дакле, на основу моментума у ​​односу на циклус претраживања, а
истраживачки пројекат може имати експланаторну, дескриптивну, сврху
истраживачки или предиктивни.
3.1.2.1 Истраживачка истраживања
Истраживачко истраживање има за циљ истраживање неке теме
потпуно нове и формулишу истраживачка питања и хипотезе
будућност. Ова врста истраживања се користи у изградњи
теорија да бисте добили почетне референце у новој области.
Обично се користе квалитативне методе истраживања, као што су случајеви
студијских или феноменолошких студија.
Међутим, могуће је користити и квантитативне технике као нпр
истраживачка истраживања или експерименти.
3.1.3.3 Дескриптивно истраживање
Дескриптивно истраживање је у великој мери усмерено на анализу и описивање
детаљно описати одређену ситуацију или организациону праксу. Ово
је погодан за изградњу теорије и такође се може користити за
потврдити или оспорити хипотезе. Дескриптивно истраживање обично
укључује коришћење мерења и узорака. Најпогодније методе истраживања
обухватају истраживања и анализе претходника.
3.1.2.3 Експланаторно истраживање
Експланаторно истраживање покушава да објасни зашто се ствари дешавају.
Изграђен је на чињеницама које су већ проучене и које се покушавају пронаћи
разлоге за ове чињенице.
Дакле, експланаторно истраживање се обично гради на истраживању
истраживачка или дескриптивна и помоћна је за тестирање и пречишћавање
теорије. Експланаторно истраживање обично користи студије случаја
или методе истраживања засноване на анкетама.
3.1.2.4 Превентивно истраживање
Превентивно истраживање има за циљ предвиђање догађаја и понашања
под опсервацијом која се проучава (Маршал и Росман
1995). Предвиђање је стандардни научни тест истине.
Ова врста истраживања углавном користи анкете или анализу
подаци историчари. (Јин 1989)
Горња дискусија показује да постоји велики број
могуће методе истраживања које се могу користити у студији
посебно. Међутим, мора постојати посебан метод који је прикладнији
других за одређену врсту истраживачког пројекта. (Галлиерс
1987, Јин 1989, Де Ваус 1991). Сваки истраживач, дакле, има
треба пажљиво проценити снаге и слабости
разне методе, како би се дошло до усвајања најпогодније истраживачке методе е
компатибилан са истраживачким пројектом. (Јенкинс 1985, Перван и Клас
1992, Бономиа 1985, Јин 1989, Химилтон и Ајвс 1992).
3.2. Могуће методе истраживања
Циљ овог пројекта је био проучавање искуства у
Аустралијске организације са и подаци ускладиштено са једним
свилуппо ди складиште података. Дата који тренутно постоји
недостатак истраживања у области складиштења података у Аустралији,
овај истраживачки пројекат је још у теоријској фази циклуса
истраживачку и има истраживачку сврху. Истражујући искуство у
Аустралијске организације које усвајају складиштење података
захтева тумачење реалног друштва. Сходно томе, тхе
следи филозофска претпоставка која је у основи истраживачког пројекта
традиционалном тумачењу.
Након ригорозног испитивања доступних метода, они су идентификовани
две могуће методе истраживања: анкете и студије случаја
(студија случаја), који се могу користити за истраживање
истраживачки (Сханкс ет ал. 1993). Галлиерс (1992) то тврди
прикладност ове две методе за ову конкретну студију у
његова ревидирана таксономија каже да су погодни за изградњу
теоријски. Следећа два пододељка разматрају сваки метод у
детаљ.
3.2.1 Метода истраживања анкете
Метод истраживања анкете потиче од древног метода од
Попис. Попис се састоји од прикупљања информација од
читаво становништво. Овај метод је скуп и непрактичан
посебно ако је популација велика. Дакле, у поређењу са
попису, анкета је обично фокусирана на
прикупити информације за мали број или узорак
представници становништва (Фовлер 1988, Неуман 1994). А
узорак одражава популацију из које је извучен, са различитим
нивое тачности, према структури узорка, тхе
величина и коришћени метод селекције (Фовлер 1988, Баббие
1982, Неуман 1994).
Метод истраге је дефинисан као „снимци пракси,
ситуације или погледи у одређеном тренутку, предузети користећи
упитнике или интервјуе из којих се могу извести закључци
направљена” (Галлиерс 1992:153) [тренутна фотографија пракси,
ситуације или погледи у одређеном тренутку, предузети користећи
упитници или интервјуи, из којих се могу извести закључци]. Тхе
истраге се баве прикупљањем информација о одређеним аспектима
студије, од стране одређеног броја учесника, израда
питања (Фовлер 1988). Чак и ови упитници и интервјуи, који
укључују телефонске разговоре лицем у лице и структуриране интервјуе,
су технике прикупљања од подаци најчешће се користи у
истраге (Блалоцк 1970, Нацхмиас анд Нацхмиас 1976, Фовлер
1988), могу се користити запажања и анализе (Габле
1994). Од свих ових метода прикупљања подаци, употреба
упитник је најпопуларнија техника, јер осигурава да и подаци
прикупљени су структурирани и форматирани, те стога олакшавају
класификација информација (Хванг 1987, де Ваус 1991).
Приликом анализе и подаци, стратегија истраге често користи
квантитативне технике, као што је статистичка анализа, али могу бити
користе се и квалитативне технике (Галлиерс 1992, Перван
и Класс 1992, Габле 1994). Нормално, тј подаци прикупљени су
користи се за анализу дистрибуција и образаца асоцијација
(Фовлер 1988).
Иако су анкете углавном прикладне за истраживање
који се баве питањем 'шта?' (шта) или од тога
извођење, као што су 'колико' и 'колико', они
може се поставити путем питања „зашто“ (Сонкуист и
Дункелберг 1977, Јин 1989). Према Сонквисту и Данкелбергу
(1977), истраживачка истрага има за циљ тешке хипотезе, програм од
евалуацију, описивање популације и развој модела
људско понашање. Поред тога, могу се користити анкете
проучити одређено мишљење о становништву, условима,
мишљења, карактеристике, очекивања, па чак и прошла понашања
или садашње (Неуман 1994).
Истраживања омогућавају истраживачу да открије односе између
популације и резултати су обично генеричнији од
друге методе (Сонкуист и Дункелберг 1977, Габле 1994). Тхе
анкете омогућавају истраживачима да покрију географско подручје
шире и да допре до многих декларисаната (Блалоцк 1970,
Сонкуист и Дункелберг 1977, Хванг и Лин 1987, Габле 1994,
Неуман 1994). Коначно, анкете могу пружити информације
који нису доступни на другом месту или у облику потребном за анализе
(Фовлер 1988).
Међутим, постоје нека ограничења у спровођењу анкете. Један
недостатак је што истраживач не може добити много информација
у вези са проучаваним објектом. Ово је због чињенице да је
истраге се спроводе само у одређено време и, стога,
постоји ограничен број варијабли и људи које истраживач може
студија (Иин 1989, де Ваус 1991, Габле 1994, Денсцомбе 1998).
Још један недостатак је оно што може бити вођење анкете
веома скупо у смислу времена и ресурса, посебно ако
укључује интервјуе лицем у лице (Фовлер 1988).
3.2.2. Метод истраживања упита
Метод истраживања упитника подразумева дубинско проучавање
одређену ситуацију у њеном стварном контексту у а
одређеном временском периоду, без икакве интервенције са стране
истраживач (Сханкс & Ц. 1993, Еисенхардт 1989, Јенкинс 1985).
Овај метод се углавном користи за описивање односа између
варијабле које се проучавају у одређеној ситуацији
(Галлиерс 1992). Истраге могу укључивати појединачне случајеве или
вишеструко, у зависности од анализираног феномена (Франз и Робеи 1987,
Еисенхардт 1989, Јин 1989).
Метод истраживања упита је дефинисан као „упит
емпиријска студија која проучава савремени феномен у оквиру
релативног стварног контекста, користећи више извора прикупљених из једног или
више ентитета као што су људи, групе или организације” (Јин 1989).
Не постоји јасно раздвајање између феномена и његовог контекста е
нема контроле или експерименталне манипулације варијаблама (Јин
1989, Бенбасат и др. 1987).
Постоји низ техника за сакупљање подаци цхе поссоно
бити коришћени у методи испитивања, који укључују
непосредна запажања, прегледи архивске грађе, упитници,
преглед документације и структуриране интервјуе. Имајући
разноврсне технике бербе подаци, истраге
омогућавају истраживачима да се баве и једним и другим подаци квалитативно то
количине у исто време (Бонома 1985, Еисенхардт 1989, Јин
1989, Габле 1994). Као што је случај са методом анкете, а
истраживач-истраживач делује као посматрач или истраживач а не
као активни учесник у организацији која се проучава.
Бенбасат и сар. (1987) тврде да је метода истраживања
посебно погодна за истраживање изградње теорије, која
започните са истраживачким питањем и наставите са обуком
теорије током процеса прикупљања подаци. Бити
такође погодан за сцену
изградње теорије, Франз и Робеи (1987) сугеришу да
За комплекс се може користити и метода упита
теоријска фаза. У овом случају, на основу прикупљених доказа, један
дата теорија или хипотеза се проверава или оповргава. Плус, истрага је
такође погодан за истраживање које се бави питањима „како“ или „како“.
'зашто' (Јин 1989).
У поређењу са другим методама, анкете омогућавају истраживачу да
детаљније снимите битне информације (Галлиерс
1992, Сханкс ет ал 1993). Штавише, истраге дозвољавају
истраживач да разуме природу и сложеност проучаваних процеса
(Бенбасат ет ал. 1987).
Постоје четири главна недостатка повезана са методом
истраге. Први је недостатак контролисаних одбитака. тамо
субјективност истраживача може променити резултате и закључке
студије (Јин 1989). Други недостатак је недостатак
контролисано посматрање. За разлику од експерименталних метода,
истраживач истраживања не може да контролише проучаване појаве
пошто се испитују у њиховом природном контексту (Габле 1994). Тхе
трећи недостатак је недостатак репликације. Ово је због чињенице
да је мало вероватно да ће истраживач посматрати исте догађаје, и
не може да провери резултате одређене студије (Лее 1989).
Коначно, као последица непоновљивости, тешко је
генерализују резултате добијене из једног или више истраживања (Галлиерс
1992, Сханкс ет ал 1993). Сви ови проблеми, међутим, нису
су непремостиви и могу се, у ствари, минимизирати
истраживач примењујући одговарајуће радње (Лее 1989).
3.3. Образложите методологију истраживања
усвојени
Од две могуће истраживачке методе за ову студију, метод од
истрага се сматра најпогоднијим. Истрага је
је одбачено након пажљивог разматрања релевантних
заслуге и слабости. Погодност или неприкладност сваког
метод за ову студију је разматран у наставку.
3.3.1. Неприкладност методе истраживања
истраге
Метод истраживања захтева дубинско проучавање једног
посебна ситуација унутар једне или више организација за а
временски период (Еисенхардт 1989). У овом случају, период може
премашити временски оквир који је дат за ову студију. Други
разлог за неусвајање методе анкетирања је тај што резултати
могу патити од недостатка строгости (Јин 1989). Субјективност
истраживача може утицати на резултате и закључке. Други
разлог је тај што је ова метода погоднија за истраживање питања
типа 'како' или 'зашто' (Јин 1989), док истраживачко питање
за ову студију она је типа 'шта'. На крају, али не мање важно
Важно је да је тешко генерализовати налазе само једног или
неколико истраживања (Галлиерс 1992, Сханкс ет ал 1993). На основу
ово рационално објашњење, истраживачки метод истраживања није
је изабран јер није био погодан за ову студију.
3.3.2. Погодност метода претраживања
истрага
Када је ово истраживање спроведено, пракса складиштења података
нису били широко прихваћени од
аустралијске организације. Дакле, није било много информација
у погледу њихове имплементације у оквиру
аустралијске организације. Доступне информације су стигле
од организација које су имплементирале или користиле податке
складиште. У овом случају, метод анкетног истраживања је највише
погодан јер вам омогућава да добијете информације које нису
доступно на другом месту или у облику потребном за анализу (Фовлер 1988).
Поред тога, метод истраживања анкете омогућава истраживачу да
добити добар увид у праксу, ситуације или
виђено у одређено време (Галлиерс 1992, Денсцомбе 1998).
Потребан је општи поглед да би се повећала
Знање о искуству аустралијског складиштења података.
Поново, Сонкуист и Дункелберг (1977) наводе да су резултати
Истраживање анкете је општије од других метода.
3.4. Дизајн истраживања истраживања
Истрага о пракси складиштења података спроведена је 1999. године.

Циљну популацију чиниле су организације
Аустралци заинтересовани за студије складиштења података, као што су и били
вероватно већ обавештен о и подаци које чувају и,
стога би могао пружити корисне информације за ову студију. тамо
циљна популација је идентификована иницијалним истраживањем од
сви аустралијски чланови 'Тхе Дата Варехоусинг Институте' (Тдвиаап).
Овај одељак говори о дизајну фазе истраживања
емпиријски докази ове студије.
3.4.1. Техника жетве подаци
Од три технике које се обично користе у анкетном истраживању
(тј. поштански упитник, телефонски интервју и интервју
лични) (Нацхмиас 1976, Фовлер 1988, де Ваус 1991), за
ова студија је усвојила упитник за пошту. Први
разлог за усвајање овог другог је тај што се њиме може постићи а
географски дисперзовано становништво (Блалоцк 1970, Нацхмиас е
Нацхмиас 1976, Хванг и Лин 1987, де Ваус 1991, Габле 1994).
Друго, поштански упитник је погодан за учеснике
високо образовани (Фовлер 1988). Упитник путем поште за ово
студија је упућена спонзорима пројекта складиштења података,
директора и/или менаџера пројеката. Треће, упитници далеко
поште су прикладне када имате безбедну листу
адресе (Салант и Дилман 1994). ТДВИ, у овом случају, један
Поверљиво удружење за складиштење података обезбедило је листу адреса
њених аустралијских чланова. Још једна предност упитника
путем поште у односу на телефонски упитник или интервјуе
лично је то што омогућава регистрантима да одговоре више
тачност, посебно када се регистранти морају консултовати
бележи или дискутује о питањима са другим људима (Фовлер
КСНУМКС).
Потенцијални недостатак може бити време потребно за
спроводити упитнике поштом. Обично, упитник далеко
пошта се обавља овим редоследом: пошаљите писма, сачекајте
одговоре и пошаљите потврду (Фовлер 1988, Баинбридге 1989).
Дакле, укупно време може бити дуже од времена потребног за
личне интервјуе или за телефонске интервјуе. Међутим
укупно време може бити познато унапред (Фовлер 1988,
Денсцомбе 1998). Време проведено у вођењу интервјуа
лични подаци не могу бити познати унапред јер се разликују од
један интервју другом (Фовлер 1988). Телефонски интервјуи
може бити бржи од поштанских упитника и
личне интервјуе, али може имати високу стопу несталих
одговор због недоступности неких људи (Фовлер 1988).
Поред тога, телефонски интервјуи су углавном ограничени на спискове
релативно кратка питања (Баинбридге 1989).
Још једна слабост упитника путем поште је висока стопа
недостатак одговора (Фовлер 1988, Баинбридге 1989, Неуман
1994). Међутим, предузете су контрамере, удруживање
ову студију са институцијом од поверења у области података
складиштење (тј. ТДВИ) (Баинбридге 1989, Неуман 1994),
који шаље два писма опомене онима који нису одговорили
(Фовлер 1988, Неуман 1994) и такође укључује писмо
додатак који објашњава сврху студије (Неуман 1994).
3.4.2. Јединица анализе
Сврха ове студије је да добије информације о
имплементацију складишта података и његово коришћење
у оквиру аустралијских организација. Циљна популација
чине све аустралијске организације које имају
спроводе, или спроводе, тј складиште података. у
затим се региструју појединачне организације. Упитник
послат је поштом организацијама заинтересованим за усвајање
di складиште података. Овај метод обезбеђује да информације
прикупљени долазе из најпогоднијих ресурса сваке организације
учесник.
3.4.3. Узорак анкете
„Мејлинг листа“ учесника анкете је добијена из
ТДВИ. Са ове листе, 3000 аустралијских организација
изабрани су као основа за узорковање. А
додатно писмо објашњава пројекат и сврху истраге,
заједно са листом за одговоре и унапред плаћеном ковертом за
послати назад попуњени упитник су послати узорку.
Од 3000 организација, 198 је пристало да учествује у
студија. Очекивао се тако мали број одговора дато il
велики број аустралијских организација које су тада имали
прихватили или прихватали стратегију датума
складиштење у оквиру својих организација. Дакле,
Циљна популација за ову студију се састоји од само 198
организације.
3.4.4. Садржај упитника
Структура упитника заснована је на моделу датума
Складиштење у Монашу (претходно разматрано у делу 2.3). Тхе
садржај упитника заснован је на анализи
литература представљена у поглављу 2. Копија упитника
послати учесницима анкете могу се пронаћи
у Додатку Б. Упитник се састоји од шест делова, који
следе фазе модела о коме се говори. Следећих шест пасуса
укратко сумирају садржај сваког одељка.
Одељак А: Основне информације о организацији
Овај одељак садржи питања у вези са профилом
организације које учествују. Осим тога, нека од питања су
који се односе на стање пројекта складиштења података
учесник. Поверљиве информације као што је ваше име
организације нису откривени у анализи анкете.
Одељак Б: Почетак
Питања у овом делу односе се на почетну активност
складиштење података. Питања су постављена колико дуго
односи се на иницијаторе пројекта, гаранте, вештине и знања
захтеве, циљеве развоја складишта података и
очекивања крајњих корисника.
Одељак Ц: Дизајн
Овај одељак садржи питања у вези са активностима
планирање складиште података. Посебно се постављају питања
навести обим извођења, трајање пројекта, цену
пројекта и анализу трошкова и користи.
Одељак Д: Развој
У одељку за развој налазе се питања у вези са активностима
развијање складиште података: збирка захтева корисника
коначно, извори из подаци, логички модел подаци, прототипови,
планирање капацитета, техничке архитектуре и избор
алати за развој складишта података.
Одељак Е: Операција
Оперативна питања у вези са операцијом ед
до проширивости од складиште података, како се развија у
следећа фаза развоја. тамо квалитета података, стратегије
освежити деи подаци, грануларност подаци, скалабилност података
складишта и безбедносни проблеми складиште података били су између
врсте постављених питања.
Одељак Ф: Развој
Овај одељак садржи питања у вези са коришћењем података
складиште по крајњим корисницима. Истраживач је био заинтересован
на сврху и корисност складиште података, преглед и стратегије
усвојене обуке и стратегије контроле података
магацин усвојен.
3.4.5. Стопа Одговора
Иако се анкете путем поште критикују због тога што имају стопу од
слаб одзив, предузете су мере за повећање
стопа приноса (као што је раније наведено у делу
3.4.1). Термин 'стопа одговора' се односи на проценат
људи у одређеном узорку анкете који одговарају на
упитник (Денсцомбе 1998). Коришћено је следеће
формула за израчунавање стопе одговора за ову студију:
Број људи који су одговорили
Стопа одговора =
——————————————————————————— Кс 100
Укупан број послатих упитника
3.4.6. Тест-пилот
Пре него што се упитник пошаље узорку, питања су
је испитан извођењем пилот тестова, како је предложио Луцк
и Рубин (1987), Џексон (1988) и де Ваус (1991). Сврха
пилот тестови је да открију све непријатне, двосмислене и изразе
питања која је тешко протумачити, разјаснити било која
дефиниције и термини који се користе и да се идентификује приближно време
потребно да се попуни упитник (Варвицк и Линингер 1975,
Јацксон 1988, Салант и Дилман 1994). Пилот тестови су били
спроводи одабиром субјеката са карактеристикама сличним онима
завршних предмета, као што је предложио Давис е Козенца (КСНУМКС). Ин
у овој студији, шест стручњака за складиштење података било је
изабрани као пилот субјекти. После сваког пилот теста, они су
извршене су неопходне корекције. Из спроведених пилот тестова, тј
учесници су помогли у преобликовању и ресетовању
коначна верзија упитника.
3.4.7. Методе анализе Би Дати
I подаци истраживања прикупљених из упитника затворених питања су
анализирани су помоћу статистичког софтверског пакета
под називом СПСС. Многи одговори су анализирани
користећи дескриптивну статистику. Одређени број упитника
вратили су се непотпуни. Ови су третирани већим
пажњу да се увери да и подаци нестали нису били ни један
последица грешака у уносу података, али зашто питања не
били су подесни за декларатора, или је декларатор одлучио да не
одговори на једно или више конкретних питања. Ови одговори
недостају су занемарени током анализе подаци и били су
кодирани као '- 9' како би се осигурало њихово искључење из процеса
анализе.
У припреми упитника питања су била затворена
унапред кодиран додељивањем броја свакој опцији. Број
затим је коришћен за припрему и подаци током анализе
(Денсцомбе 1998, Сапсфорд и Јупп 1996). На пример, било је
шест опција наведених у питању 1 одељка Б: савет
одбор, виши руководилац, ИТ одељење, јединица
пословања, консултаната и још много тога. У досијеу од подаци СПСС, је
генерисана је варијабла која означава 'иницијатора пројекта',
са шест ознака вредности: '1' за 'борд директора', '2'
за 'извршну власт на високом нивоу' и тако даље. Употреба Ликертинове скале
у неким од затворених питања дозвољавала и
идентификација која не захтева никакав напор с обзиром на употребу вредности
одговарајући бројеви унети у СПСС. За питања са
неисцрпни одговори, који се међусобно не искључују,
свака опција је третирана као једна варијабла са две
ознаке вредности: '1' за 'означено' и '2' за 'неозначено'.
Отворена питања су третирана другачије од питања
затворено. У одговоре на ова питања није се улазило
СПСС. Уместо тога, анализирани су ручно. Употреба овога
врста питања вам омогућава да добијете информације о идејама
слободно изражена и лична искуства испитаника
(Баинбридге 1989, Денсцомбе 1998). Где је било могуће, то је урађено
категоризација одговора.
За анализу подаци, користе се једноставне методе статистичке анализе,
као што су учесталост одговора, средња вредност, стандардна девијација
средња вредност и медијана (Аргироус 1996, Денсцомбе 1998).
Гама тест је био ефикасан за добијање квантитативних мерења
од асоцијација између подаци редни бројеви (Норусис 1983, Аргироус 1996).
Ови тестови су били одговарајући јер коришћене редне скале нису биле
имали су много категорија и могли су се приказати у табели
(Норусис 1983).
3.5 Соммарио
У овом поглављу, методологија истраживања и
дизајни усвојени за ову студију.
Избор најприкладнијег метода истраживања за а
посебна студија узима у обзир
разматрање бројних правила, укључујући природу и врсту
истраживања, као и заслуге и слабости сваког могућег
метод (Јенкинс 1985, Бенбасат ет ал. 1097, Галлиерс анд Ланд 1987,
иин 1989, Хамилтон и Ивес 1992, Галлиерс 1992, Неуман 1994). Поглед
недостатак постојећег знања и теорије о томе
усвајања складишта података у Аустралији, ова студија је урадила
истраживање захтева интерпретативни метод истраживања са вештином
истраживачки за истраживање искустава организација
аустралијски. Изабрани метод истраживања је одабран за
прикупити информације у вези са усвајањем концепта датума
складиштење од стране аустралијских организација. А
као техника прикупљања изабран је поштански упитник подаци.
оправдања за метод истраживања и технику прикупљања подаци
одабрани ће бити наведени у овом поглављу. Такође је било
представио дискусију о јединици анализе, узорку
коришћени, проценти одговора, садржај упитника,
пре-тест упитника и метода анализе подаци.

Дизајн а Складиште података:
Комбиновање односа ентитета и димензионалног моделирања
АПСТРАКТ
Чување и подаци То је главно актуелно питање за многе
организације. Кључни проблем у развоју
оф тхе стораге оф подаци то је његов дизајн.
Дизајн мора да подржава откривање концепата у подацима
магацина до наслеђеног система и других извора од подаци а такође и један
лако разумевање и ефикасност у имплементацији података
магацин.
Велики део литературе о складиштењу подаци препоручује се
коришћење моделирања односа ентитета или димензионалног моделирања за
представљају дизајн од складиште података.
У овом раду показујемо како оба
репрезентације се могу комбиновати у један приступ за
цртеж на складиште података. Приступ који се користи је систематичан
испитан у студији случаја и идентификован је у низу
важне импликације са професионалцима.
СКЛАДИШТЕЊЕ ПОДАТАКА
Un складиште података се обично дефинише као „предметно оријентисана,
интегрисано, временски променљиво и непроменљиво прикупљање података за подршку
одлука менаџмента” (Инмон и Хацкатхорн, 1994).
Предметно оријентисано и интегрисано указује да се складиште података è
дизајниран да пређе функционалне границе застарелих система за
нуде интегрисану перспективу подаци.
Временска варијанта утиче на историјску природу или природу временске серије подаци in
un складиште података, што омогућава анализу трендова.
Непроменљиво означава да је складиште података није континуирано
ажуриран као а база података оф ОЛТП. Уместо тога, ажуриран је
периодично, са подаци који долазе из унутрашњих и екстерних извора. Тхе
складиште података посебно је дизајниран за истраживање
него за интегритет ажурирања и перформансе
операције.
Идеја о чувању и подаци није ново, то је била једна од намена
оф манагемент оф подаци од шездесетих година (Тхе Мартин, 1982).
I складиште података нуде инфраструктуру подаци за управљање
системи подршке. Системи подршке менаџменту укључују одлучивање
системи подршке (ДСС) и извршни информациони системи (ЕИС).
ДСС је компјутерски заснован информациони систем који је
дизајниран да побољша процес и последично приањање
људска одлука. ЕИС је типично систем испоруке
подаци што омогућава пословним руководиоцима да лако приступе погледу
од подаци.
Општа архитектура а складиште података истиче улогу
складиште података у подршци менаџменту. Поред понуде
инфраструктуру подаци за ЕИС и ДСС, ал складиште података је могуће
приступите му директно путем упита. ТХЕ подаци укључено у датум
магацина се заснивају на анализи захтева за информацијама
управљања и добијају се из три извора: интерни системи наслеђа,
системи за прикупљање података посебне намене и екстерни извори података. ТХЕ
подаци у интерним застарелим системима они су често сувишни,
недоследно, лошег квалитета и ускладиштено у више формата
тако да их треба ускладити и очистити пре него што их убаците у
складиште података (Инмон, 1992; МцФадден, 1996). ТХЕ подаци из
од система за складиштење подаци ад хоц и из извора подаци
екстерни се често користе за повећање (ажурирање, замену) и
подаци из застарелих система.
Постоји много убедљивих разлога за развој а складиште података,
који укључују боље доношење одлука кроз употребу
ефективно више информација (Ивес 1995), подршка за фокус
на комплетан посао (Грахам 1996), и смањење трошкова
провизија од подаци за ЕИС и ДСС (Грахам 1996, МцФадден
КСНУМКС).
Недавна емпиријска студија показала је, у просеку, повратак од
улагања за и складиште података за 401% након три године (Грахам,
1996). Међутим, друге емпиријске студије о складиште података имати
открили значајне проблеме укључујући потешкоће у мерењу ед
додељивање користи, недостатак јасне сврхе, потцењивање исте
сврха и сложеност процеса чувања и подациу
посебно у погледу извора и чистоће подаци.
Чување и подаци може се сматрати решењем
на проблем управљања подаци између организација. тамо
манипулација са подаци као друштвени ресурс остао је један од
кључна питања у управљању информационим системима широм
свету дуги низ година (Бранцхеау ет ал. 1996, Галлиерс ет ал. 1994,
Ниедерман ет ал. 1990, Перван 1993).
Популаран приступ управљању подаци осамдесетих је било
развијање модела подаци друштвеним. Модел подаци друштвени је био
дизајниран да понуди стабилну основу за развој нових система
апликације е база података и поновну изградњу и интеграцију наслеђа
системи (Бранцхеау ет ал.
1989, Гоодхуе ет ал. 1988:1992, Ким и Еверест 1994).
Међутим, постоји много проблема са овим приступом, у
посебно, сложеност и цену сваког задатка, као и дуго време
потребно да има опипљиве резултате (Беинон-Давиес 1994, Еарл
1993, Гоодхуе ет ал. 1992, Периасами 1994, Сханкс 1997).
Il складиште података то је засебна база података која коегзистира са старим
базе података уместо да их замењују. Стога вам омогућава да
усмеравају управљање подаци и избегавају скупу реконструкцију
наслијеђених система.
ПОСТОЈЕЋИ ПРИСТУПИ ДИЗАЈНУ ПОДАТАКА
ВАРЕХОУСЕ
Процес изградње и усавршавања а складиште података
треба схватити више као еволутивни процес него а
развојни животни циклус традиционалних система (Десио, 1995, Сханкс,
О'Доннелл и Арнотт 1997а). Постоји много процеса укључених у а
пројекат оф складиште података као што су иницијализација, планирање;
информације добијене из захтева тражених од менаџера предузећа;
извори, трансформације, чишћење подаци и синхронизација из наслеђа
система и других извора за подаци; системи испоруке у развоју;
праћење складиште података; и бесмисленост процеса
еволуциона и конструкција а складиште података (Стинчс, О'Донел
и Арнотт 1997б). У овом часопису фокусирамо се на то како
нацртати и подаци похрањене у контексту ових других процеса.
Постоји велики број приступа предложених за архитектуру података
складиште литературе (Инмон 1994, Ивес 1995, Кимбалл 1994
МцФадден 1996). Свака од ових методологија има кратак опис
преглед са анализом њихових снага и слабости.
Инмонов (1994) приступ за Складиште података
Дизајн
Инмон (1994) је предложио четири итеративна корака за цртање података
warehouse (veda Figura 2). Il primo passo è progettare un modello
подаци друштвени да разуме како ја подаци possono essere integrati
attraverso aree funzionali all’interno di un’organizzazione
suddividendo i подаци складиште у областима. Модел подаци створено је за
за чување подаци који се односе на доношење одлука, укључујући подаци
историчари, а међу њима подаци dedotti ed aggregati. Il secondo passo è
identificare aree soggette per la realizzazione. Questi sono basati
su priorità determinate da una particolare organizzazione. Il terzo
passo comporta il disegno di un база података per l’area soggetta, pone
particolare attenzione a includere appropriati livelli di granularità.
Inmon raccomanda di usare il modello entità e relazioni. Il quarto
passo è identificare sistemi di fonti подаци richiesti e sviluppare
processi di trasformazione per acquisire, pulire e formattare i подаци.
Предности Инмоновог приступа су у томе што модел подаци друштвени
offre la base per l’integrazione di подаци all’interno dell’organizzazione
e pianificazione di supporti per lo sviluppo iterativo di data
warehouse. Le sue pecche sono la difficoltà e il costo nel disegnare
ил моделло подаци sociale, la difficoltà nel capire modelli di entità e
relazioni usati in ambo i modelli, quello подаци друштвених и то од подаци
ускладиштене по предметној области и прикладност подаци дел
цртеж на складиште података за реализацију база података
релациони али не и за база података вишедимензионални.
Ивесов (1995) приступ Складиште података
Дизајн
Ives (1995) propone un approccio di quattro passi per disegnare un
sistema informativo che lui ritiene applicabile al disegno di un data
warehouse (veda Figura 3). L’approccio è molto basato sull’
Information Engineering per lo sviluppo di sistemi di informazioni
(Martin 1990). Il primo passo è determinare gli obiettivi, i fattori
critici e di successo e gli indicatori chiave delle prestazioni. I
processi chiave di business e le informazioni necessarie sono
modellate per condurci ad un modello подаци sociale. Il secondo passo
comporta lo sviluppo di un architettura che definisce подаци
ускладиштена по областима, база података di складиште података, i componenti
di tecnologia che sono richiesti, l’insieme di supporto organizzativo
richiesto per implementare ed operare con складиште података. Il terzo
passo include la selezione di pacchetti software e attrezzi richiesti.
Il quarto passo è il disegno particolareggiato e la costruzione del
складиште података. Ајвс примећује да чување подаци è un vincolato
processo iterativo.
La forza dell’approccio di Ives sono l’uso di specifiche tecniche per
determinare i requisiti d’informazione, l’uso di uno strutturato
processo per sostenere l’integrazione dei складиште података,
l’opportuna selezione hardware e software, e l’uso di molteplici
tecniche di rappresentazione per il складиште података. Le sue pecche
sono inerenti alla complessità. Altre includono la difficoltà nello
sviluppare molti livelli di база података унутар складиште података in
tempi e costi ragionevoli.
Кимбаллов (1994) приступ Складиште података
Дизајн
Kimball (1994) propose cinque passi iterativi per disegnare un data
warehouse (vedi Figuri 4). Il suo approccio è particolarmente
dedicato sul disegno di un solo складиште података e sull’uso di modelli
dimensionali in preferenza a modelli di entità e relazioni. Kimball
analizza quei modelli dimensionali perché è più facile capire per i
dirigenti d’azienda gli affari, è più efficiente quando si trattano
consultazioni complesse, e il disegno di база података fisico è più
efficiente (Kimball 1994). Kimball riconosce che lo sviluppo di un
складиште података то је итеративно, и то складиште података separati possono
essere integrati attraverso la ripartizione in tavole di dimensioni
заједнички.
Il primo passo è identificare la particolare area soggetto per essere
perfezionato. Il secondo e terzo passo concernono modellatura
dimensionale. Nel secondo passo le misure identificano cose di
interesse nell’area soggetto e raggruppate in una tabella dei fatti.
Per esempio, in un’area di soggetto di vendite le misure di interesse
potrebbero includere l’ammontare di articoli venduto ed il dollaro
come valuta di vendite. Il terzo passo comporta l’identificazione di
dimensioni che sono i modi nei quali possono essere raggruppati i
fatti. In un’area di soggetto di vendite, dimensioni attinenti
potrebbero includere articolo, ubicazione e tempo periodo. La
tabella dei fatti ha una chiave multi- part per collegarla ad ognuna
delle tabelle di dimensione e tipicamente contiene un numero molto
grande di fatti. In contrasto, tavole di dimensione contengono
descrittive informazioni sulle dimensioni e gli altri attributi che
possono essere usati per raggruppare i fatti. La tabella dei fatti e
dimensioni associata proposta forma quello che è chiamato uno
schema a stella a causa della sua forma. Il quarto passo comporta
la costruzione di un база података multidimensionale per perfezionare lo
schema della stella. Il passo finale è identificare sistemi di fonti подаци
richiesti e sviluppare processi di trasformazione per acquisire, pulire
e formattare i подаци.
Le forze dell’approccio di Kimball includono l’uso di modelli
dimensionali per rappresentare i подаци immagazzinati che lo rendono
facile da capire e conduce ad un disegno fisico efficiente. Un
modello dimensionale che usa prontamente anche entrambi i
системи база података релациони могу бити усавршени или системи
база података multidimensionali. Le sue pecche includono la mancanza
di alcune tecniche per facilitare la pianificazione o l’integrazione di
molti schemi della stella all’interno di un складиште података и
difficoltà di progettare dall’estrema struttura denormalizzata in un
modello dimensionale a подаци у систему наслеђа.
МцФадден-ов (1996) приступ подацима
Дизајн складишта
McFadden (1996) propone un approccio di cinque passi per
disegnare un складиште података (види слику 5).
Il suo approccio è basato su una sintesi delle idee dalla letteratura
ed è focalizzato sul disegno di un solo складиште података. Први
passo comporta un’analisi dei requisiti. Anche se le specifiche
tecniche non sono prescritte, le note di McFadden identificano le
ентитета подаци specifiche ed i loro attributi, e si riferisce ai lettori Watson
e Frolick (1993) per l’acquisizione dei requisiti.
У другом кораку, дизајниран је модел односа ентитета
складиште података e poi convalidato dai dirigenti d’azienda. Il terzo
passo comprende la determinazione del mapping da legacy system
e fonti esterne di складиште података. Il quarto passo comporta
processi in sviluppo, la distribuzione e sincronizzazione di подаци у
складиште података. Nel passo finale, la consegna del sistema è
sviluppata con particolare enfasi su un’interfaccia utente.
McFadden fa notare che il processo di disegno è generalmente
iterativo.
Le forze dell’approccio di McFadden puntano sulla partecipazione
da parte dei dirigenti d’azienda nel determinare i requisiti ed anche
l’importanza delle risorse подаци, la loro pulizia e raccolta. Le sue
pecche riguardano la mancanza di un processo per suddividere un
grande progetto di складиште података у многим интегрисаним фазама, и
потешкоће у разумевању ентитета и модела односа који се користе у дизајну
складиште података.

Администратор Direktor

👍Веб агенција на мрежи | Стручњак за веб агенције за дигитални маркетинг и СЕО. Веб Агенци Онлине је веб агенција. За Агензиа Веб Онлине успех у дигиталној трансформацији заснива се на основама Ирон СЕО верзије 3. Специјалитети: системска интеграција, интеграција пословних апликација, сервисно оријентисана архитектура, рачунарство у облаку, складиште података, пословна интелигенција, велики подаци, портали, интранети, веб апликација Дизајн и управљање релационим и вишедимензионалним базама података Дизајнирање интерфејса за дигиталне медије: употребљивост и графика. Онлине веб агенција нуди компанијама следеће услуге: -СЕО на Гоогле, Амазон, Бинг, Иандек; -Веб аналитика: Гоогле аналитика, Гоогле Таг Манагер, Иандек Метрица; -Конверзије корисника: Гоогле Аналитицс, Мицрософт Цларити, Иандек Метрица; -СЕМ на Гоогле, Бинг, Амазон Адс; - Маркетинг на друштвеним мрежама (Фацебоок, Линкедин, Иоутубе, Инстаграм).

Погледајте пуну биографију

Дигитални маркетинг База података ДБМС Складиште података podaci Наука Оглашавање путем интернета Информационе технологије Веб Агенци Рекламна агенција Marketing