Data Warehousing jeung ERP | Arsip data puseur: sajarah jeung évolusi

ARSIP DATA PUSAT : SEJARAH JEUNG EVOLUSI

Dua téma dominan téknologi perusahaan di 90an nyaéta
nagara bagian i data gudang jeung ERP. Pikeun lila ieu dua perkasa
arus parantos janten bagian tina IT perusahaan tanpa kantos
parapatan. Éta ampir saolah-olah éta jirim sareng anti-materi. Tapi
tumuwuhna duanana fenomena inevitably ngarah ka hiji
parapatan maranéhna. Dinten ayeuna perusahaan nyanghareupan masalah
naon anu kudu dipigawé kalayan ERP e data gudang. Artikel ieu bakal ngagambarkeun
naon masalahna sareng kumaha carana diungkulan ku perusahaan.
DI MULAI…
Dina awalna aya nu data gudang. Gudang data dilahirkeun pikeun
counter sistem aplikasi processing transaksi.
Dina poé mimiti memorization tina dati ieu dimaksudkeun pikeun jadi
ngan hiji counterpoint kana aplikasi ngolah email
transaksi. Tapi ayeuna aya visi anu langkung canggih
tina naon anu tiasa dilakukeun data gudang. Di dunya dinten ieu teh
data gudang diselapkeun dina struktur anu tiasa
disebut Pabrik Émbaran Perusahaan.
PABRIK INFORMASI KORPORAT
(CIF)
Pabrik Émbaran Perusahaan gaduh komponén arsitéktur
standar: tingkat transformasi jeung integrasi kode
nu ngahijikeun i dati sedengkeun kuring dati aranjeunna pindah ti lingkungan tina
aplikasi pikeun lingkungan data gudang pausahaan; a
data gudang pausahaan mana nu dati
ahli sajarah lengkep jeung terpadu. The data gudang tina parusahaan boga fungsi minangka
pondasi dimana sadaya bagian sanésna tiasa diwangun
lingkungan tina data gudang; toko data operasional (ODS).
ODS mangrupikeun struktur hibrid anu ngandung sababaraha aspék data
gudang jeung aspék séjén tina hiji lingkungan OLTP; data marts, dimana i
departemén béda bisa boga versi sorangan data
gudang; a data gudang tina eksplorasi nu i
parusahaan "filsuf" (pamikir) tiasa ngalebetkeun queries maranéhanana
72 jam tanpa pangaruh ngabahayakeun dina data gudang; jeung ingetan
deukeut garis, di mana dati heubeul jeung dati rinci bulk tiasa
disimpen murah.
Dimana ERP ngagabungkeun jeung THE
PABRIK INFORMASI PERUSAHAAN
ERP ngahiji sareng Pabrik Informasi Perusahaan di dua tempat.
Utamana salaku aplikasi dasar nu nyadiakeun i
dati tina aplikasi pikeun data gudang. Dina hal ieu i dati,
dihasilkeun salaku produk sampingan tina prosés transaksi,
anu terpadu jeung dimuat kana data gudang pausahaan. The
titik kadua ngahiji antara ERP na CIF na ODS. Kanyataanna, loba
lingkungan ERP dipaké salaku ODS Palasik.
Upami ERP dianggo salaku aplikasi inti, éta
ERP sarua ogé bisa dipaké dina CIF sakumaha ODS. Di
kumaha oge, lamun ERP bakal dipaké dina duanana kalungguhan, aya
kudu aya béda anu jelas antara dua éntitas. Istilah sanésna,
nalika ERP muterkeun peran aplikasi basa jeung ODS, le
dua éntitas arsitéktur kudu dibédakeun. Lamun single
ngalaksanakeun hiji ERP nyoba minuhan duanana kalungguhan
dina waktos anu sareng pasti bakal aya masalah dina
rarancang jeung palaksanaan struktur ieu.
ODS misah jeung APLIKASI DASAR
Aya seueur alesan anu nyababkeun pamisah komponén
arsitéktur. Sugan patarosan paling eloquent misahkeun teh
komponén béda tina hiji arsitéktur nyaéta yén unggal komponén
arsitéktur boga pandangan sorangan. Aplikasi dasar ngalayanan
pikeun tujuan anu béda ti ODS. Coba tumpang tindih
pintonan aplikasi dasar dina dunya hiji ODS atawa sabalikna
éta sanés cara anu leres pikeun damel.
Akibatna, masalah mimiti hiji ERP dina CIF nyaeta ngeunaan
pariksa naha aya bédana antara aplikasi dasar sareng aplikasi
SDGs.
MODÉL DATA DI KORPORAT
PABRIK INFORMASI
Pikeun ngahontal kohési antara komponén anu béda
tina arsitéktur CIF, kudu aya model tina dati. abdi
model tina dati aranjeunna ngawula ka salaku tumbu antara rupa komponén
arsitéktur sapertos aplikasi dasar sareng ODS. THE
model tina dati jadi "peta jalan intelektual" boga teh
harti katuhu tina komponén arsitéktur béda tina CIF.
Bade panangan sareng anggapan ieu, ideu nyaéta kedahna
janten model hébat sarta unik tina dati. Tangtu manéhna kudu
janten modél dati pikeun tiap komponén jeung saterusna aya
eta kudu jadi jalur wijaksana nyambungkeun model béda.
Unggal komponén arsitéktur - ODS, aplikasi dasar,
data gudang pausahaan, jeung saterusna .. – perlu sorangan
modél tina dati. Janten kedah aya definisi anu tepat
kawas model ieu tina dati aranjeunna panganteur saling.
MANGKEUN I DATA OF THE ERP IN DATA THE
GUDANG
Lamun asal usul teh dati mangrupa aplikasi dasar na / atawa hiji ODS, nalika
sisipan ERP i dati nel data gudang, entri ieu kudu
lumangsung dina tingkat panghandapna tina granularity. Recap atawa
ngan agrégat i dati sabab kaluar
ti aplikasi dasar ERP atanapi ERP ODS teu aya
hal katuhu pikeun ngalakukeun. THE dati rinci diperlukeun dina data
gudang pikeun ngabentuk dasar prosés DSS. Sapertos dati
aranjeunna bakal reshaped ku sababaraha cara ku data marts na Éksplorasi
éta data gudang.
The pindah tina dati ti lingkungan aplikasi dasar
tina ERP ka lingkungan tina data gudang pausahaan ieu dipigawé dina a
cara cukup santai. shift éta lumangsung sanggeus éta
kira-kira 24 jam ti update atawa kreasi di ERP nu. kanyataan tina
boga gerakan "puguh" teh dati nel data gudang
pausahaan ngamungkinkeun dati datang ti ERP pikeun "settle".
Sakali i dati disimpen dina aplikasi dasar,
lajeng anjeun aman bisa mindahkeun i dati tina ERP
di perusahaan. Tujuan sejen nu bisa dihontal berkat gerakan
"puguh" dewa dati nyaeta delimitasi jelas antara prosés operasional jeung
ekstensi DS. Kalayan gerakan "gancang" tina dati garis demarkasi
antara DSS jeung operasional tetep samar.
Il Movimento dei dati ti ODS tina ERP ka data gudang
pausahaan ieu dipigawé périodik, biasana
mingguan atawa bulanan. Dina hal ieu gerakan tina
dati eta dumasar kana kabutuhan "ngabersihan" nu heubeul dati ahli sajarah.
Alami, ODS ngandung i dati nu leuwih anyar
hormat ka dati ahli sajarah kapanggih dina data gudang.
The pindah tina dati nel data gudang eta ampir pernah dipigawé
"grosir" (dina cara borongan). Nyalin méja
ti lingkungan ERP ka data gudang teu asup akal. Hiji pendekatan
leuwih realistis nyaeta gerakan unit dipilih tina dati.
Ngan nu dati nu geus robah saprak update panungtungan data
gudang nyaéta nu kudu dipindahkeun kana data
gudang. Hiji cara pikeun terang anu mana dati aranjeunna geus dirobah
saprak update panungtungan nyaéta katingal dina timestamps tina dati
kapanggih dina lingkungan ERP. Désainer milih sadaya parobahan
nu geus arisen saprak update panungtungan. pendekatan sejen
nyaéta ngagunakeun téknik change capture dati. Kalayan
téhnik ieu nganalisis log jeung kasét jurnal guna
nangtukeun mana dati kudu dipindahkeun ti lingkungan ERP ka
Éta tina data gudang. Téhnik ieu pangalusna di
kumaha log sareng kasét jurnal tiasa dibaca tina file ERP
kalawan euweuh pangaruh salajengna dina sumberdaya ERP séjén.
KOMPLIKASI LAIN
Salah sahiji masalah sareng ERP dina CIF nyaéta naon anu kajantenan ka batur
sumber aplikasi atawa ai dati tina ODS maranéhna kudu nyumbang kana
data gudang tapi aranjeunna henteu bagian tina lingkungan ERP. Tanggal éta
sipat katutup ERP, utamana SAP, usaha pikeun ngahijikeun éta
konci ti sumber éksternal tina dati sareng abdi dati nu asalna ti ERP al
waktos pindah i dati nel data gudang, éta tantangan badag.
Sarta naon kahayang anu probabiliti nu i dati tina aplikasi atawa
ODS di luar lingkungan ERP bakal diintegrasikeun kana data
gudang? The odds sabenerna pisan tinggi.
MANGGIH DATA Sajarah ti ERP
masalah sejen kalawan i dati tina ERP nyaéta hasilna
ti kudu boga dati ahli sajarah dina data gudang.
Biasana teh data gudang kabutuhan dati ahli sajarah. AND
Téknologi ERP biasana henteu nyimpen ieu dati
sajarah, sahenteuna teu extent anu diperlukeun dina tanggal
gudang. Nalika jumlah badag dati sejarawan dimimitian ad
pikeun ditambahkeun dina lingkungan ERP, lingkungan nu kudu
diberesihan. Contona, anggap a data gudang kudu
jadi dieusian ku lima taun dati sajarah bari ERP nahan ka
maksimum genep bulan ieu dati. Salami parusahaan wareg jeung
ngumpulkeun runtuyan dati sajarah sapanjang jaman,
lajeng teu aya masalah ngagunakeun ERP salaku sumber pikeun
data gudang. Tapi nalika éta data gudang kudu indit
balik dina waktos sareng nyandak dewa dati ahli sajarah anu teu acan
saméméhna dikumpulkeun sarta disimpen ku ERP, lajeng lingkungan ERP
janten teu episien.
ERP AND METADATA
tinimbangan sejen sangkan ngeunaan ERP e data gudang nyaéta éta
on metadata aya di lingkungan ERP. Kitu ogé metadata
aranjeunna mindahkeun tina lingkungan ERP mun del data gudang, abdi
metadata kudu dipindahkeun dina cara nu sarua. Saterusna, i
metadata kudu dirobah dina format jeung struktur
diperlukeun ku infrastruktur nu data gudang. Aya anu ageung
bédana antara metadata operasional sareng metadata DSS. Metadata éta
operasional utamana pikeun pamekar jeung keur
programer. DSS metadata utamana pikeun anjeun
final. Metadata anu aya dina aplikasi ERP atanapi ODS
aranjeunna kudu dirobah sarta konversi ieu teu salawasna gampang
sarta langsung.
SUMBER DATA ERP
Lamun ERP dipaké salaku supplier tina dati per il data gudang ci
kudu panganteur padet nu ngalir i dati ti lingkungan
ERP pikeun lingkungan data gudang. Antarbeungeut kedah:
▪ janten gampang dianggo
▪ ngidinan aksés ka dati tina ERP
▪ nyokot harti dati nu rék dipindahkeun
nel data gudang
▪ nyaho watesan ERP nu bisa timbul dina
momen nalika aksés dijieun dati tina ERP:
▪ integritas rujukan
▪ hubungan hirarki
▪ hubungan logis implisit
▪ konvénsi aplikasi
▪ sakabéh struktur tina dati dirojong ku ERP, jeung saterusna…
▪ jadi efisien dina ngakses dati, ku nyadiakeun:
▪ gerakan langsung tina dati
▪ akuisisi parobahan dati
▪ ngarojong aksés timely ka dati
▪ ngartos format tina dati, teras salajengna…
Antarmuka jeung SAP
Antarbeungeut tiasa janten dua jinis, homegrown atanapi komérsial.
Sababaraha interfaces komérsial utama di antarana:
▪ SAS
▪ Solusi Perdana
▪ D2k, jeung saterusna…
Sababaraha téhnologi ERP
Ngubaran lingkungan ERP saolah-olah éta téknologi tunggal nyaéta a
kasalahan badag. Aya seueur téknologi ERP, masing-masing gaduh sorangan
kaunggulan. Anu ngical paralatan anu paling dikenal di pasar nyaéta:
▪ SAP
▪ Oracle Financials
▪ PeopleSoft
JD Edwards
▪ Baan
SAP
SAP mangrupikeun parangkat lunak ERP panggedéna sareng paling komprehensif. Aplikasi-aplikasi
SAP ngawengku seueur jinis aplikasi dina seueur daérah. SAP boga
reputasi mahluk:
▪ kacida gedéna
▪ hésé pisan jeung mahal pikeun dilaksanakeun
▪ peryogi seueur jalma sareng konsultan
dilaksanakeun
▪ merlukeun jalma husus pikeun palaksanaan
▪ merlukeun loba waktu pikeun nerapkeun
Ogé SAP boga reputasi pikeun nyimpen na dati molto
taliti, sahingga hésé pikeun hiji aksés aranjeunna
jalma di luar wewengkon SAP. Kakuatan SAP nyaeta janten
sanggup nangkep sareng nyimpen sajumlah ageung dati.
SAP nembe ngumumkeun niat na ngalegaan
aplikasi na pikeun data gudang. Aya loba pro jeung kontra
dina ngagunakeun SAP salaku panyadia tina data gudang.
Kauntungannana nyaéta SAP parantos dipasang sareng kalolobaanana
konsultan geus nyaho SAP.
The kalemahan ngabogaan SAP salaku supplier tina data gudang sare
loba: SAP boga pangalaman di dunya data gudang
Lamun SAP teh supplier tina data gudang, perlu "ngaluarkeun"
i dati ti SAP ka data gudang. Kanyataan catetan lagu a SAP ngeunaan
sistem katutup, éta saperti teu mirip jadi gampang meunang i ti SAP di
ieu (???). Aya seueur lingkungan warisan anu nguatkeun SAP,
kayaning IMS, VSAM, ADABAS, ORACLE, DB2, jeung saterusna.
SAP insists on pendekatan "teu invented dieu". SAP henteu hoyong
kolaborasi jeung ngical paralatan séjén pikeun ngagunakeun atawa nyieun data gudang.
SAP keukeuh dina ngahasilkeun sakabéh software sorangan.
Sanaos SAP mangrupikeun perusahaan anu ageung sareng kuat, kanyataanna
usaha nulis ulang téhnologi ELT, OLAP, administrasi
sistem komo codebase tina dbms éta ngan gélo.
Gantina nyoko sikep koperasi jeung suppliers
di data gudang lila-ngadeg, SAP geus dituturkeun pendekatan éta
aranjeunna "nyaho pangalusna". sikep ieu nahan deui kasuksésan éta
SAP mungkin gaduh di wewengkon data gudang.
panolakan SAP pikeun ngidinan aksés ngical paralatan éksternal
gancang sareng anggun ka aranjeunna dati. Intina pisan ngagunakeun
un data gudang nyaeta aksés gampang pikeun dati. Sakabeh carita SAP nyaeta
dumasar kana nyieun hésé aksés dati.
kurangna pangalaman SAP dina kaayaan volume badag tina dati;
dina widang data gudang aya jilid tina dati teu kungsi katempo saprak
SAP jeung pikeun ngatur ieu jumlah badag tina dati Anjeun kudu boga hiji
téhnologi cocog. SAP tétéla henteu sadar ieu
halangan téhnologis anu aya pikeun asup kana widang data
gudang
Budaya perusahaan SAP: SAP nyiptakeun bisnis
dina meunang i dati ti sistem. Tapi pikeun ngalakukeun ieu anjeun kedah gaduh
pola pikir anu béda. Sacara tradisional, pausahaan software éta
alus dina meunangkeun data kana lingkungan geus teu alus di
meunangkeun data pikeun balik cara séjén. Lamun SAP bisa ngalakukeun nanaon ieu
switch bakal jadi pausahaan munggaran pikeun ngalakukeunana.
Pondokna, éta questionable naha pausahaan kudu milih
SAP salaku supplier tina data gudang. Aya resiko pisan serius
di hiji sisi jeung saeutik pisan ganjaran di sisi séjén. Tapi aya hiji deui
alesan nu discourages pilihan SAP salaku supplier data
gudang. Kusabab unggal perusahaan kedah gaduh tanggal anu sami
gudang sadaya pausahaan séjén? The data gudang éta jantung
tina kaunggulan kompetitif. Lamun unggal parusahaan diadopsi sarua
data gudang éta bakal hésé, sanajan teu mungkin,
ngahontal kaunggulan kompetitif. SAP sigana mikir yén a
data gudang bisa ditempo salaku biskuit jeung nu mangrupa
acan tanda sejen maranéhanana "meunang data
di".
Henteu aya anu ngajual ERP sanés anu dominan sapertos SAP.
Pasti bakal aya perusahaan anu bakal ngiringan SAP
pikeun maranéhanana data gudang tapi sigana tanggal ieu
Gudang SAP bakal ageung, mahal sareng peryogi pisan
waktu pikeun kreasi maranéhanana.
Lingkungan ieu kalebet kagiatan sapertos ngolah teller bank,
prosés reservations maskapai, prosés keluhan
asuransi, jeung saterusna. Sistem transaksi langkung éfisién,
langkung écés nyaéta kabutuhan pamisahan antara operasional sareng prosés
DSS (Sistem Rojongan Kaputusan). Sanajan kitu, kalawan sistem sumberdaya
manusa jeung pribadi, hiji anu pernah Nyanghareupan volume badag tina
transaksi. Jeung, tangtosna, lamun hiji jalma keur hired
atawa ninggalkeun pausahaan ieu rékaman transaksi a.
Tapi relatif ka sistem sejen, sistem HR jeung
personals ngan teu boga loba transaksi. Ku kituna, dina
SDM jeung sistem tanaga teu sagemblengna atra yén aya
peryogi DataWarehouse. Ku sababaraha cara sistem ieu
ngagambarkeun ngahijikeun sistem DSS.
Tapi aya faktor sejen nu kudu dianggap lamun kudu
lakukeun sareng datawarehouse sareng PeopleSoft. Dina loba kalangan, abdi dati
SDM sareng sumber daya pribadi sekundér pikeun bisnis
kapala pausahaan. Paling pausahaan ngalakukeun
manufaktur, ngajual, nyadiakeun jasa jeung saterusna. THE
SDM sareng sistem tanaga biasana sekundér (atanapi tina
rojongan) kana garis bisnis utama pausahaan. Ku alatan éta, éta
equivocal jeung teu merenah a data gudang misah pikeun
rojongan pikeun sumber daya manusa jeung pribadi.
PeopleSoft béda pisan sareng SAP dina hal ieu. Kalayan SAP, éta
wajib nu aya a data gudang. Kalawan PeopleSoft, éta henteu
lajeng jadi jelas. Gudang data mangrupa pilihan jeung PeopleSoft.
Hal pangalusna anu bisa disebutkeun pikeun dati PeopleSoft éta data
gudang bisa dipaké pikeun nyimpen i dati ngeunaan
sumberdaya manusa jeung pribadi heubeul. A alesan kadua pikeun
nu hiji parusahaan hoyong nganggo a data gudang a
disadvantage lingkungan PeopleSoft nyaéta pikeun ngidinan aksés jeung
aksés bébas alat analisis, ai dati ku PeopleSoft. Tapi
salian alesan ieu, meureun aya kasus dimana eta leuwih hade teu
gaduh gudang data pikeun dati PeopleSoft.
Ringkesanana
Aya seueur ide ngeunaan pangwangunan data
gudang dina hiji software ERP.
Sababaraha di antarana nyaéta:
▪ Masuk akal mun boga a data gudang nu katingalina wae
lain di industri?
▪ Kumaha fléksibel hiji ERP data gudang parangkat lunak?
▪ Hiji ERP data gudang software tiasa ngadamel volume
dati anu perenahna di adata gudang arena"?
▪ Naon renik logging nu ngajual ERP teu
Nyanghareupan gampang tur murah, waktu-consuming, ai dati? (naon
nyaeta ERP ngical paralatan track record on pangiriman murah, on
waktos, gampang pikeun ngakses data?)
▪ Naon pamahaman arsitektur DSS jeung
"pabrik inpormasi perusahaan" ku padagang ERP?
▪ padagang ERP ngartos kumaha carana meunang dati jero tina
lingkungan, tapi ogé ngartos kumaha carana ngekspor aranjeunna?
▪ Kumaha kabuka vendor ERP kana alat data
gudang?
Sadaya pertimbangan ieu kedah dilakukeun dina nangtukeun
dimana nempatkeun data gudang nu bakal boga imah i dati tina ERP jeung sajabana
dati. Sacara umum, iwal aya alesan compelling pikeun
pikeun ngalakukeun disebutkeun, eta disarankeun pikeun ngawangun data gudang kaluar
ti lingkungan vendor ERP.
BAB 1
Tinjauan Organisasi BI
titik konci:
Repositories inpormasi dianggo dina cara anu sabalikna
kana arsitektur intelijen bisnis (BI):
Budaya perusahaan sareng IT tiasa ngawatesan kasuksésan dina
ngawangun organisasi BI.
Téknologi henteu deui janten faktor pangwatesan pikeun organisasi BI. The
masalah pikeun arsiték sarta planners proyék teu naha éta
téhnologi aya, tapi lamun maranéhna bisa éféktif nerapkeun dina
téhnologi sadia.
Pikeun loba pausahaan a data gudang éta saeutik leuwih ti deposit a
pasip anu ngadistribusikaeun i dati ka pangguna anu peryogi. THE dati
aranjeunna sasari tina sistem sumber sareng dieusi kana struktur sasaran
di data gudang. abdi dati aranjeunna ogé bisa cleaned kalawan sakabeh
rejeki. Sanajan kitu, euweuh nilai tambahan ditambahkeun boh
dikumpulkeun ku dati salila prosés ieu.
Intina, Dw pasip, paling saé, nganteurkeun
ngan kuring dati beresih jeung operasional ka asosiasi pamaké. Tuh
kreasi informasi sarta pamahaman analitik gumantung
sagemblengna ku pamaké. Ditilik naha DW (Gudang data) nyaéta
kasuksésan éta subjektif. Lamun urang nangtoskeun kasuksésan dina
kamampuhan pikeun éfisién ngumpulkeun, ngahijikeun jeung bersih i dati
perusahaan dina dasar anu bisa diprediksi, teras leres, DW suksés.
Di sisi séjén, lamun urang nempo kumpulan, konsolidasi jeung lo
eksploitasi informasi organisasi sakabéhna, lajeng
DW nyaéta gagal. A DW nyadiakeun saeutik atawa euweuh nilai
inpormasi. Hasilna, pamaké kapaksa ngalakukeun,
sahingga nyiptakeun silos inpormasi. bab ieu presents
pintonan komprehensif pikeun recap arsitektur BI(Business
Intelijen) perusahaan. Hayu urang mimitian ku pedaran BI na
teras urang teraskeun kana diskusi ngeunaan desain sareng
ngembangkeun informasi, sabalikna saukur nyadiakeun i dati
ka pamaké. Diskusi teras difokuskeun kana itungan
nilai usaha BI Anjeun. Urang disimpulkeun ku watesan kumaha IBM
ngelingan sarat arsitéktur BI organisasi anjeun.
Pedaran arsitektur ngeunaan
organisasi BI
Sistem inpormasi berorientasi transaksi anu kuat ayeuna
dina agenda di unggal perusahaan badag, sabab tingkat
sacara efektif lapangan maén pikeun korporasi di dunya.
Tetep kalapa, kumaha oge, ayeuna merlukeun sistem analitik
berorientasi kana éta bisa revolutionize kamampuhan parusahaan ku rediscovering ed
ngagunakeun inpormasi anu parantos dipiboga. Sistem ieu
analitik diturunkeun tina pamahaman tina kabeungharan dati
aya. BI tiasa ningkatkeun kinerja dina sadaya inpormasi
tina perusahaan. Usaha tiasa ningkatkeun hubungan customer-to-customer
suppliers, ngaronjatkeun kauntungan produk jeung jasa, ngahasilkeun
nawaran anyar jeung pangalusna , pariksa resiko na diantara loba batur
earnings motong expenses nyirorot. Kalayan BI anjeun
parusahaan tungtungna dimimitian ngagunakeun informasi customer
salaku asset kalapa berkat aplikasi nu boga tujuan
pasar.
Ngabogaan hartosna bisnis anu leres hartosna gaduh jawaban anu pasti
patarosan konci sapertos:
▪ Saha urang konsumén aranjeunna nyieun urang earn leuwih, atanapi aya
naha maranéhna leungit?
▪ Dimana urang hirup pangalusna konsumén patalina jeung toko/
gudang aranjeunna sering?
▪ Produk sareng jasa mana anu tiasa dijual langkung seueur
éféktif jeung ka saha?
▪ Produk naon anu paling efektif dijual sareng ka saha?
▪ Kampanye penjualan mana anu langkung suksés sareng kunaon?
▪ Saluran penjualan mana anu paling efektif pikeun produk mana?
▪ Kumaha urang bisa ngaronjatkeun hubungan jeung pangalusna urang konsumén?
Paling pausahaan boga dati kasar ngajawab
patarosan ieu.
Sistem operasional ngahasilkeun jumlah badag produk, tina
konsumén jeung tina dati tina pasar tina titik jual, tina reservasi,
ti layanan palanggan sarta sistem rojongan teknis. Tangtangan téh
nimba sareng mangpaatkeun inpormasi ieu.
Loba pausahaan untung ukur tina fraksi leutik maranéhanana dati
pikeun analisis strategis.
I dati sésana, mindeng digabungkeun jeung i dati deriving sumber éksternal kayaning i
"Laporan pamaréntah" , sarta informasi dibeuli séjén, hiji
tambang emas ngan ngantosan dijajah, ei dati kudu
ngan bisa disampurnakeun dina konteks informational anjeun
organisasi.
Pangaweruh ieu bisa dilarapkeun dina cara béda, variasi
ti ngarancang hiji strategi perusahaan sakabéh pikeun
komunikasi pribadi jeung suppliers, ngaliwatan panggero puseur,
tagihanana, Internet jeung titik lianna. Lingkungan bisnis kiwari dictates
yén DW jeung solusi BI patali mekar salajengna
palaksanaan struktur tradisional tina dati sapertos abdi dati dinormalisasi ka
atom-tingkat jeung "béntang / kubus kebon".
Anu diperyogikeun pikeun tetep kompetitif nyaéta ngahijikeun
téhnologi tradisional jeung canggih dina usaha ngarojong a
bentang analitik lega.
Tungtungna, lingkungan umum kedah ningkatkeun pangaweruh
tina perusahaan sacara gembleng, mastikeun yén tindakan anu dilaksanakeun
salaku konsekuensi tina analisa anu dilakukeun aranjeunna tiasa dianggo supados sadayana
kauntungan.
Contona, hayu urang nyebutkeun ranking anjeun sorangan konsumén dina kategori
resiko tinggi atawa low.
Naha informasi ieu dihasilkeun ku model pertambangan atawa
cara séjén, eta kudu nempatkeun dina Dw jeung dijieun diaksés ka
saha, ku cara naon baé aksés, kayaning i
laporan statik, spreadsheets, tabel, atawa ngolah analitik di
jalur (OLAP).
Sanajan kitu, ayeuna, loba jenis ieu informasi
aranjeunna tetep dina silos tina dati tina individu atawa departemén aranjeunna ngahasilkeun
analisis. Organisasi sacara gembleng gaduh sakedik atanapi henteu katingali
pikeun pamahaman. Ngan ku Pergaulan jenis ieu eusi
informasi dina dw perusahaan anjeun anjeun tiasa ngaleungitkeun silos tina
informasi sarta elevate lingkungan Dw Anjeun.
Aya dua halangan utama pikeun ngembangkeun hiji organisasi
tina BI.
Kahiji, urang boga masalah organisasi sorangan
tina disiplin patali.
Sanaos urang henteu tiasa ngabantosan parobahan kawijakan
organisasi, urang bisa mantuan ngartos komponén tina
hiji organisasi BI, arsitektur na kumaha
téhnologi IBM facilitates ngembangkeun na.
Halangan kadua pikeun diatasi nyaéta kurangna téknologi
terpadu jeung pangaweruh ngeunaan métode nu nelepon sakabéh spasi
tina BI sabalikna ukur komponén leutik.
IBM ngaréspon kana parobahan téknologi
tina terpadu. Éta tanggung jawab anjeun pikeun nyayogikeun desain
kasadaran diri. arsitéktur ieu kudu dimekarkeun kalawan
téhnologi dipilih pikeun integrasi tanpa konstrain, atawa sahenteuna, kalawan
téhnologi nu taat ka buka standar. Ogé, anjeun
manajemén parusahaan kudu mastikeun yén perusahaan Bi téh
dilumangsungkeun nurutkeun program jeung teu ngidinan
ngembangkeun silo informasi nu diturunkeun tina timer porsi
agenda, atawa tujuan.
Ieu lain nyebutkeun yen lingkungan BI teu peka
meta kana kabutuhan béda jeung sarat pamaké béda; tibatan, eta hartina
yén palaksanaan éta kabutuhan individu jeung sarat téh
dilakukeun pikeun kapentingan sakumna organisasi BI.
Katerangan ngeunaan arsitektur BI organisasi tiasa
kapanggih dina kaca 9 dina Gambar 1.1 Arsitéktur nunjukkeun
campuran euyeub téknologi jeung téhnik.
Tina pandangan tradisional, arsitéktur kalebet komponén-komponén di handap ieu
tina gudang
Lapisan atom (Atomic Layer).
Ieu yayasan, jantung sakabeh Dw sahingga tina
ngalaporkeun strategis.
I dati disimpen di dieu bakal nahan integritas sajarah, laporan ngeunaan
dati sareng kalebet métrik turunan, ogé bersih,
terpadu, sareng disimpen nganggo témplat pertambangan.
Sadaya pamakéan saterusna ieu dati jeung informasi patali téh
diturunkeun tina struktur ieu. Ieu sumber alus teuing pikeun
ékstraksi tina dati jeung laporan kalawan queries SQL terstruktur
Gudang operasional tina dati atawa dasar laporan tina
dati(Toko data operasional (ODS) atanapi ngalaporkeun
database.)
Ieu struktur tina dati husus dirancang pikeun
ngalaporkeun teknis.
I dati disimpen jeung dilaporkeun luhur struktur ieu tungtungna bisa
propagate kana gudang ngaliwatan zona pementasan (pementasan
wewengkon), dimana eta bisa dipaké pikeun signalling strategis.
Wewengkon pementasan.
Eureun heula pikeun kalolobaan dati dimaksudkeun pikeun lingkungan tina
gudang nyaéta zona organisasi.
Di dieu i dati anu terpadu, cleaned jeung robah jadi dati mangpaat éta
aranjeunna bakal populate struktur gudang
Tanggal marts.
Ieu bagian tina arsitéktur ngagambarkeun struktur dati dipaké
husus pikeun OLAP. Ayana datamarts, upami abdi dati sare
disimpen dina schemas béntang aranjeunna overlay dati
multidimensional dina lingkungan relational, atawa dina cabinets filing
di dati proprietary dipaké ku téhnologi OLAP husus, kayaning nu
DB2 OLAP server, teu relevan.
Hijina konstrain éta arsitéktur facilitates pamakéan a dati
multidimensional.
Arsitéktur ogé kalebet téknologi sareng téknik Bi kritis
anu dibédakeun nyaéta:
Analisis spasial
Spasi mangrupa windfall informasi keur analis jeung
éta kritis pikeun resolusi lengkep. Angkasa tiasa
ngagambarkeun informasi jalma nu hirup di tangtu
lokasi, kitu ogé informasi ngeunaan dimana lokasi éta
fisik dibandingkeun sesa dunya.
Pikeun ngalaksanakeun analisa ieu, anjeun kedah ngamimitian ku ngaitkeun anjeun
Inpormasi koordinat lintang sareng bujur. Maksudna naon
disebut "geocoding" sareng kedah janten bagian tina ékstraksi,
transformasi, sarta prosés loading (ETL) kana tingkat
nomer atom tina gudang Anjeun.
Panambangan data.
Ékstraksi tina dati ngamungkinkeun pausahaan urang tumuwuh
Jumlah konsumén, pikeun ngaduga tren penjualan sareng ngaktifkeun
manajemén hubungan jeung konsumén (CRM), diantara inisiatif séjén tina
BI.
Ékstraksi tina dati kituna kudu terpadu jeung struktur tina
dati tina Dwhouse tur dirojong ku prosés gudang pikeun
ascertain duanana éféktif jeung éfisién pamakéan téknologi sarta
téhnik patali.
Salaku dituduhkeun dina arsitektur BI, tingkat atom tina
Dwhouse, sapertos datamarts, mangrupikeun sumber anu saé dati
pikeun ékstraksi. Éta struktur anu sami kedah ogé
panarima hasil ékstraksi pikeun mastikeun kasadiaan pikeun
panongton panglobana (penonton panglegana).
Ajen.
Aya rupa-rupa "agén" pikeun layar konsumén pikeun sagala titik kawas, abdi
sistem operasi parusahaan jeung dw sorangan. agén ieu tiasa
janten jaringan saraf canggih anu dilatih pikeun diajar
tren unggal titik, kayaning paménta produk hareup dumasar
on promosi jualan, mesin dumasar-aturan pikeun meta pikeun
un dato susunan kaayaan, atawa malah agén basajan éta
aranjeunna nunjuk kaluar pengecualian ka "top executives". prosés ieu enya
umumna hadir sacara real waktos sareng, ku kituna, kedah
jadi raket gandeng jeung gerakan sarua dati.
Sadaya struktur ieu tina dati, téhnologi jeung téhnik jaminan
yén anjeun moal méakkeun peuting ngahasilkeun hiji organisasi
BI anjeun.
Kagiatan ieu bakal dikembangkeun sacara bertahap, pikeun anu leutik
titik.
Unggal hambalan mangrupa usaha proyék bebas, sarta dilaporkeun
salaku iteration dina dw anjeun atanapi inisiatif BI. The iterations
bisa ngawengku palaksanaan téknologi anyar, pikeun
mimitian ku téhnik anyar, nambahkeun struktur anyar tina dati ,
ngamuat i dati tambahan, atawa kalayan perluasan analisis
lingkungan anjeun. Paragraf ieu dibahas deui
rinci dina bab 3.
Di sagigireun struktur tradisional alat Dw sareng Bi aya anu sanés
fungsi organisasi BI anjeun anu anjeun hutang
desain, kayaning:
Titik kontak pelanggan (Customer touch
titik).
Salaku kalawan sakabeh organisasi modern aya sababaraha
touchpoints customer nu nunjukkeun kumaha boga pangalaman
positif pikeun anjeun konsumén. Aya saluran tradisional sapertos i
padagang, operator switchboard, mail langsung, multimédia jeung print
iklan, kitu ogé saluran panganyarna kayaning email jeung web, i dati
produk kalawan sababaraha titik kontak kudu kaala,
diangkut, cleaned, robah lajeng Asezare populata dina struktur tina dati della
BI.
Dasar tina dati asosiasi operasional sareng pangguna (Operasional
basis data jeung komunitas pamaké).
Dina tungtung titik kontak tina konsumén yayasan kapanggih dati
tina aplikasi perusahaan sareng komunitas pangguna. THE dati aya
sare dati tradisional nu kudu dihijikeun jeung dihijikeun jeung dati Che
aranjeunna ngalir ti touchpoints pikeun minuhan perlu
inpormasi.
Analis. (Analis)
Penerima utama lingkungan BI nyaéta analis. Éta anjeunna anu
kauntungan tina ékstraksi ayeuna tina dati operasional, terpadu jeung
sumber béda tina dati , augmented kalawan fitur kayaning analytics
géografis (geocoding) jeung dibere dina téhnologi BI éta
ngidinan pikeun pertambangan, OLAP, ngalaporkeun SQL canggih jeung analisis
géografis. Antarbeungeut primér pikeun analis ka lingkungan
ngalaporkeun nyaéta portal BI.
Sanajan kitu, analis nu teu ngan hiji kauntungan tina arsitektur nu
BI.
Eksekutif, asosiasi pamaké badag, komo anggota, suppliers na i
konsumén kedah mendakan kauntungan dina BI perusahaan.
Eupan balik loop.
Arsitektur BI mangrupikeun lingkungan diajar. Hiji prinsip
ciri ngembangkeun nyaéta pikeun ngidinan pikeun struktur pengkuh tina dati
pikeun diropéa ku téknologi BI anu dianggo sareng ku tindakan
usaha pamaké. Hiji conto nyaeta evaluasi tina
customer (nyetak customer).
Lamun departemen jualan mawa kaluar model pertambangan
tina skor konsumén kumaha ngagunakeun layanan anyar, lajeng nu
departemén jualan teu kudu hijina grup waris
tina jasa.
Gantina, model pertambangan kudu dipigawé salaku bagian
sifat aliran data dina perusahaan sareng skor palanggan
kudu jadi bagian terpadu tina lingkungan informasi tina
gudang, ditingali ka sadaya pamaké. The Bi-bI-centric IBM Suite
kaasup DB2 UDB, DB2 OLAP Server ngawengku paling
bagian tina komponén penting téhnologi, diartikeun dina gambar
1.1.
Urang make arsitéktur sakumaha nembongan dina inohong buku ieu pikeun
masihan kami tingkat continuity tur demonstrate kumaha unggal produk
IBM cocog kana pola umum BI.
Nyadiakeun Eusi Inpormasi (nyadiakeun
eusi informasi)
Ngarancang, ngamekarkeun jeung nerapkeun lingkungan BI anjeun téh
hiji tugas arduous. Desain kudu nangkeup duanana
syarat bisnis ayeuna jeung nu bakal datang. Desain arsitéktur
kudu lengkep ngawengku sakabéh conclusions kapanggih
salila fase desain. Palaksanaan kedah tetep
komitmen kana hiji tujuan: ngembangkeun arsitektur BI
sakumaha formal dibere dina gambar jeung dumasar kana sarat tina
bisnis.
Ieu hususna hésé ngajawab yén disiplin bakal mastikeun
kasuksésan relatif.
Ieu saderhana sabab anjeun henteu ngawangun lingkungan BI pikeun sadayana
ujug-ujug, tapi lumangsung dina hambalan leutik kana waktu.
Nanging, ngaidentipikasi komponén BI tina arsitéktur anjeun
penting pikeun dua alesan: Anjeun bakal pituduh sagala kaputusan saterusna
téhnik arsitéktur.
Anjeun bakal tiasa sadar ngarancang pamakéan husus tina téhnologi
sanajan anjeun teu meunang ulang eta perlu
téhnologi pikeun sababaraha bulan.
Ngartos syarat bisnis anjeun cekap bakal mangaruhan jinisna
produk anjeun bakal acquire pikeun arsitéktur Anjeun.
Perencanaan sareng pamekaran arsitéktur anjeun mastikeun
yén gudang anjeun
lain acara acak-acakan, tapi rada "dipikir-pikir",
taliti diwangun iklan opera seni kawas mosaic tina
téhnologi dicampur.
Desain eusi informasi
Sadaya desain awal kedah difokuskeun sareng ngaidentipikasi
komponén BI utama anu lingkungan anjeun bakal butuh
umum dina ayeuna sareng ka hareup.
Nyaho syarat bisnis penting.
Malah saméméh sagala tata formal dimimitian, nu
Nu Ngarencana proyék mindeng bisa nangtukeun hiji atawa dua
komponén langsung.
Kasaimbangan komponén nu bisa diperlukeun pikeun
arsitéktur anjeun, kumaha oge, teu bisa kapanggih gampang.
Salila fase desain, bagian utama arsitéktur
meungkeut sési ngembangkeun aplikasi (JAD) dina pilarian a
pikeun ngaidentipikasi syarat bisnis.
Kadang-kadang syarat ieu tiasa di-outsourcing kana alat
queries sarta ngalaporkeun.
Salaku conto, pangguna nyatakeun yén upami aranjeunna hoyong ngajadikeun otomatis
ayeuna laporan kudu ngahasilkeun integrasi manual
dua babandingan ayeuna jeung nambahkeun itungan diturunkeun tina
kombinasi tina dati.
Bari sarat ieu basajan, eta ngahartikeun hiji tangtu
pungsionalitas fitur anjeun kudu kaasup nalika
mésér alat ngalaporkeun pikeun organisasi.
Désainer ogé kudu ngudag sarat tambahan pikeun
meunang gambaran lengkep. Pamaké hoyong ngalanggan
laporan ieu?
Sawaréh laporan dihasilkeun sarta dikirim via email ka sagala rupa
pamaké? Hoyong ningali laporan ieu dina portal perusahaan?
Sadaya sarat ieu mangrupikeun bagian tina kabutuhan anu sederhana
ngaganti laporan manual sakumaha dipénta ku pamaké. Mangpaat
tina jenis ieu sarat nyaeta dulur, pamaké sarta pamekar, boga
pamahaman konsép laporan.
Aya tipe séjén usaha, kumaha oge, urang kudu rencanana.
Nalika syarat bisnis dinyatakeun dina bentuk
Patarosan strategis bisnis, éta gampang pikeun Nu Ngarencana ngalaman
discern dimensi jeung ukuran / kanyataan syarat.
Gambar 1.2 ngagambarkeun ukuran jeung komponén dimensi a
masalah bisnis.
Upami pangguna JAD henteu terang kumaha nyatakeun syaratna
dina bentuk masalah bisnis, desainer bakal sering nganteurkeun
conto pikeun skipping-mimiti sési ngumpulkeun data
syarat.
Désainer ahli tiasa ngabantosan pangguna henteu ngan ukur ngartos
dagang strategis, tapi ogé kumaha carana ngabentuk eta.
Pendekatan ngumpulkeun sarat dibahas dina bab 3; Pikeun
ayeuna urang ngan hayang nunjuk kaluar perlu mendesain for everyone
jenis syarat BI
Masalah bisnis strategis, sanés ngan ukur sarat
Usaha, tapi ogé petunjuk desain. Lamun kudu ngajawab
kana patarosan multidimensi, teras anjeun kedah ngapalkeun,
ngalebetkeun i dati dimensi, sarta lamun kudu ngapalkeun dina
dati multidimensional, anjeun kudu mutuskeun jenis téhnologi atawa
téknik anu anjeun badé dianggo.
Dupi anjeun nerapkeun schema béntang kubus ditangtayungan, atawa duanana?
Sakumaha anjeun tiasa tingali, malah masalah bisnis basajan
considerably bisa mangaruhan rarancang. Sanajan kitu
jenis ieu sarat bisnis anu biasa sarta tangtu, sahenteuna
ku planners proyék ngalaman tur désainer.
Aya cukup perdebatan ngeunaan téknologi sareng dukungan
OLAP, sareng rupa-rupa solusi anu sayogi. Dugi ka ayeuna
kami disebutkeun kudu mawa babarengan ngalaporkeun basajan kalawan i
syarat ukuran bisnis, jeung kumaha sarat ieu
pangaruh kaputusan arsitéktur teknis.
Tapi naon sarat anu teu gampang dipikaharti
ku pamaké atawa ku tim Dw? Anjeun bakal kantos peryogi analisis
spasial (analisis spasial)?
Modél pertambangan tina dati aranjeunna bakal jadi bagian perlu anjeun
kahareup? Saha anu terang?
Penting pikeun dicatet yén téknologi sapertos kieu henteu seueur
dipikawanoh ku komunitas pamaké umum jeung anggota tim tina
Dw, sabagian, ieu bisa lumangsung sabab ilaharna
diurus ku sababaraha ahli téknis internal atanapi pihak katilu. Ieu a
kasus wates masalah anu dibangkitkeun ku jenis téknologi ieu. Diri
pamaké teu bisa ngajelaskeun syarat bisnis atawa pigura aranjeunna
Dina raraga nyadiakeun tungtunan ka désainer, aranjeunna tiasa
indit unnoticed atawa, parah, saukur dipaliré.
Langkung masalah janten nalika desainer sareng pamekar gagal
tiasa mikawanoh aplikasi salah sahiji canggih ieu tapi
téknologi kritis.
Sakumaha urang sering ngadangu Désainer nyarios, "Muhun, naha
Naha urang henteu ngantepkeun éta dugi ka urang nampi hal anu sanés?
"Naha aranjeunna leres-leres kabetot dina prioritas, atanapi aranjeunna ngan saukur nyingkahan i
syarat aranjeunna henteu ngartos? Ieu paling dipikaresep asumsi dimungkinkeun.
Anggap tim penjualan anjeun parantos nyayogikeun syarat
bisnis ,sakumaha nyatakeun dina angka 1.3, anjeun tiasa ningali, éta
sarat dipiguraan dina bentuk masalah bisnis. Tuh
bédana antara masalah ieu jeung masalah dimensi has nyaeta
jarakna. Dina hal ieu, tim penjualan hoyong terang,
dina dasar bulanan, total jualan tina produk, gudang jeung
konsumén anu hirup dina 5 mil ti gudang dimana aranjeunna
aranjeunna meuli.
Hanjakalna, désainer atanapi arsiték tiasa waé
malire komponén spasial ku nyebutkeun, "kami boga klien nu
produk jeung i dati tina deposit. Urang jaga jarak nepi ka
iteration sejen.
"Jawaban salah. Masalah bisnis sapertos kitu prihatin
sagemblengna BI. Ieu ngagambarkeun pamahaman deeper tina
bisnis urang sareng rohangan analitik anu kuat pikeun analis urang.
BI téh saluareun querying basajan atawa ngalaporkeun baku, boh
malah OLAP. Ieu sanés hartosna yén téknologi ieu gagal
aranjeunna penting pikeun BI Anjeun, tapi ku sorangan aranjeunna henteu
lingkungan BI.
Desain pikeun konteks informasi
(Desain pikeun Eusi Émbaran)
Ayeuna urang parantos ngaidentipikasi Persyaratan Usaha anu menonjol
rupa-rupa komponén dasar, kudu kaasup kana desain a
arsitéktur umum. Sababaraha komponén BI mangrupa bagian
tina usaha awal urang, bari sababaraha moal dilaksanakeun pikeun
sababaraha bulan.
Sanajan kitu, sagala syarat dipikawanoh anu reflected dina rarancang ku kituna
lamun urang kudu nerapkeun téhnologi tinangtu, kami
siap-siap ngalakukeunana. Hal ngeunaan proyék bakal ngagambarkeun pamikiran
tradisional.
Contona, angka 1.1, dina awal bab, nembongkeun data a
mart nu ngajaga i dati dimensional.
set ieu dati dipaké pikeun ngarojong pamakéan engké tina
dati dimensi disetir ku masalah Usaha éta
kami geus ngaidentifikasi. Salaku dokumén tambahan nyaéta
dihasilkeun, kayaning ngembangkeun desain dati, urang
urang bakal ngawitan formalize kumaha i dati aranjeunna sumebar di lingkungan.
Kami geus ascertained kudu ngawakilan i dati kitu
dimensi, ngabagi aranjeunna (nurutkeun kabutuhan husus
ditangtukeun) dina data marts.
Patarosan salajengna pikeun ngajawab nyaéta kumaha aranjeunna bakal diwangun
data mart ieu?
Naha anjeun ngawangun béntang pikeun ngadukung kubus, atanapi ngan ukur kubus, atanapi ngan ukur béntang?
(atawa kubus katuhu, atawa béntang katuhu). Ngahasilkeun arsitéktur pikeun data
marts gumantung anu merlukeun hiji lapisan atom pikeun sakabéh dati
anjeun acquire? Ngidinan marts data bebas acquire i dati
langsung tina sistem operasi?
Naon Téknologi Kubus anu anjeun badé ngabakukeun?
Anjeun gaduh jumlah dewa anu ageung dati diperlukeun pikeun analisis dimensi
atanapi anjeun peryogi kubus gaya jualan nasional anjeun dina hiji
mingguan atawa duanana? Ngawangun barang anu kuat
kayaning DB2 OLAP Server pikeun Keuangan atanapi Cognos kubus
PowerPlay pikeun organisasi penjualan anjeun atanapi duanana?
Ieu mangrupikeun kaputusan desain arsitéktur anu ageung
aranjeunna bakal mangaruhan lingkungan BI anjeun ka hareup. Sumuhun,
anjeun geus ngaidentifikasi kabutuhan OLAP. Ayeuna kumaha anjeun badé ngalaksanakeun éta
jenis téhnik jeung téhnologi?
Kumaha sababaraha téknologi paling canggih mangaruhan anjeun
gambar? Hayu urang nganggap anjeun geus ngaidentifikasi kabutuhan
spasi dina organisasi Anjeun. Ayeuna anjeun kudu nelepon ka
édisi gambar arsitéktur sanajan unplanned tina
ngalaksanakeun komponén spasi pikeun sababaraha bulan. Arsiték kudu
desain kiwari dumasar kana naon diperlukeun. Antisipasi kabutuhan
analisis spasial nu dibangkitkeun, nyimpen, ngalakukeun tur delivers
aksés ka dati spasial. Ieu dina gilirannana kudu ngawula ka salaku a
konstrain ngeunaan jinis téknologi sareng spésifikasi
platform software Anjeun ayeuna bisa tempo. Pikeun
Contona, sistem administrasi di basis data relational
(RDBMS) Anjeun ngalakukeun pikeun lapisan atom Anjeun kudu boga
extent spasial mantap sadia. Ieu bakal mastikeun
kinerja maksimum lamun ngagunakeun géométri jeung objék
spasi dina aplikasi analitik Anjeun. Upami RDBMS anjeun henteu
tiasa ngadamel i dati (spasial-centric) internal, jadi Anjeun bakal kudu
ngadegkeun a basis data (spasial-centric) éksternal. Ieu complicates nu
manajemén masalah sareng mangaruhan kinerja anjeun sadayana,
teu nyebut masalah tambahan dijieun pikeun anjeun
DBAs, sabab kamungkinan boga pamahaman minimal
tina yayasan tina dati spasial ogé. Di sisi séjén, lamun mesin Anjeun
RDMBS handles sakabeh komponen spasial tur patali
optimizer sadar kana kabutuhan khusus (contona,
indexing) objék spasial, teras DBA anjeun tiasa ngadamel
gancang ngatur masalah sareng anjeun tiasa ningkatkeunana
kinerja.
Ogé, anjeun kedah nyaluyukeun daérah pementasan sareng lapisan
lingkungan atom ngawengku beberesih alamat (un
unsur konci pikeun analisis spasial), kitu ogé salajengna
nyimpen objék spasi. Kasuksésan édisi tina
gambar terus ayeuna urang geus ngawanohkeun Pamanggih beberesih
alamat. Pikeun hiji hal, aplikasi ieu bakal ngarahkeunnana jenis
software diperlukeun pikeun ETL Anjeun usaha .
Anjeun peryogi produk sapertos Trillium pikeun masihan anjeun alamat
bersih, atawa ngajual ETL pilihan Anjeun pikeun nyadiakeun éta
fungsionalitas?
Pikeun ayeuna penting yén anjeun ngahargaan standar desain
kedah réngsé sateuacan anjeun ngawitan ngalaksanakeun anjeun
lingkungan (gudang). Conto di luhur kedah
nunjukkeun seueur kaputusan ngagambar anu kedah diturutan
idéntifikasi tina sagala sarat bisnis husus. Lamun geus rengse
leres, kaputusan desain ieu ngamajukeun
silih gumantungna antara struktur fisik lingkungan anjeun, éta
pilihan téhnologi dipaké sarta aliran rambatan tina
eusi informasi. Tanpa arsitéktur konvensional ieu
tina BI, organisasi anjeun bakal tunduk kana campuran
kacau tina téhnologi aya, di pangalusna, ngahiji dina cara
teu akurat nyadiakeun stabilitas katempo.
Ngajaga eusi informasi
Nyangking nilai inpormasi ka organisasi anjeun nyaéta
operasi pisan hésé. Tanpa pamahaman anu cukup
jeung pangalaman, atawa tata ditangtoskeun jeung desain, sanajan nu
tim hadé bakal gagal. Di sisi séjén, lamun boga hébat
intuisi jeung tata lengkep tapi euweuh disiplin pikeun
palaksanaan, Anjeun ngan wasted duit jeung waktu
sabab usaha anjeun pasti bakal gagal. Pesen kedah
janten jelas: Upami anjeun leungit hiji atawa leuwih ieu
kaahlian, pamahaman / pangalaman atawa tata / gambar o
disiplin palaksanaan, ieu bakal ngakibatkeun lumpuh atawa
ngancurkeun wangunan organisasi BI.
Naha tim anjeun cekap siap? Aya batur dina anjeun
Tim BI anu ngartos bentang analitik anu ageung aya
dina lingkungan BI, dina téknik sareng téknologi anu diperyogikeun
pikeun pangaruh bentang éta? Aya batur dina tim anjeun
nu bisa mikawanoh bédana aplikasi antara canggih
ngalaporkeun statik sareng OLAP, atanapi bédana antara ROLAP sareng OLAP? Salah sahiji
anggota tim anjeun jelas ngakuan jalan
ekstrak jeung kumaha eta bisa mangaruhan gudang atawa kumaha
tiasa gudang ngarojong kinerja pertambangan? Hiji anggota
ti tim understands nilai tina dati spasi atawa téhnologi
dumasar agén? Dupi anjeun gaduh batur anu appreciates aplikasi unik
tina parabot ETL ngalawan téhnologi calo
pesen? Upami anjeun teu gaduh, kéngingkeun hiji. BI leuwih loba
badag tina lapisan atom dinormalisasi, tina OLAP, tina skéma a
béntang sarta hiji ODS.
Boga pamahaman sareng pangalaman pikeun mikawanoh sarat
BI sareng solusina penting pikeun kamampuan anjeun
leres formalize kaperluan pamaké sarta mendesain
sareng ngalaksanakeun solusina. Upami komunitas pangguna anjeun gaduh
kasusah ngajéntrékeun sarat, éta tugas tim ti
gudang nyadiakeun pamahaman éta. Tapi lamun tim ti
gudang
henteu mikawanoh aplikasi husus BI - contona, data
pertambangan- maka éta sanés hal anu pangsaéna anu dilakukeun ku lingkungan BI
mindeng ngawatesan diri keur deposit pasip. Sanajan kitu, malire ieu
téknologi henteu ngirangan pentingna sareng pangaruhna
on mecenghulna kamungkinan kecerdasan bisnis anjeun sorangan
organisasi, kitu ogé struktur informasi nu Anjeun rancang
ngamajukeun.
Perencanaan kedah kalebet konsep gambar, ed
duanana merlukeun individu kompeten. Tambih Deui, ngarancang
merlukeun filosofi tim werehouse jeung observasi
tina standar. Salaku conto, upami perusahaan anjeun parantos ngadegkeun a
platform baku atawa geus ngaidentifikasi RDBMS tinangtu nu Anjeun
hoyong ngabakukeun sakuliah platform, éta caket dieu
dulur di tim taat kana éta standar. Umumna hiji
tim ngungkabkeun kabutuhan normalisasi (ka pangguna
communites), tapi tim sorangan henteu daék gabung
standar ogé diatur di wewengkon séjén di parusahaan atawa meureun malah dina
pausahaan sarupa. Henteu ngan ieu munafik, tapi ascertains teguh henteu
tiasa ngungkit sumberdaya sareng investasi anu aya. Henteu hartosna
yén teu aya kaayaan anu ngajamin platform atanapi a
téhnologi non-standardized; kumaha oge, usaha gudang
kudu jealously ngajaga standar perusahaan nepi ka
yén sarat bisnis teu ngarahkeunnana disebutkeun.
Komponén konci katilu diperlukeun pikeun ngawangun BI
organisasi nyaéta disiplin.
Éta gumantung kana total, sami sareng individu sareng lingkungan.
Planners proyék, sponsor, arsiték, sarta pamaké kudu ngahargaan
Disiplin diperlukeun pikeun ngawangun struktur informasi pausahaan.
Désainer kedah ngarahkeun usaha desainna ku cara kitu
ngalengkepan endeavors séjén perlu di masarakat.
Contona, hayu urang nyebutkeun parusahaan anjeun ngawangun a
Aplikasi ERP anu gaduh komponén gudang.
Janten tanggung jawab para desainer ERP pikeun kolaborasi sareng
tim lingkungan gudang sangkan teu bersaing atawa
duplikat karya geus dimimitian.
Disiplin ogé mangrupikeun topik anu kedah sibuk
ku sakabeh organisasi sarta biasana ngadegkeun tur dipercayakeun ka a
tingkat eksekutif.
Naha eksekutif daék taat kana pendekatan anu dirancang? A
pendekatan anu janji pikeun nyieun eusi informasi anu
antukna bakal mawa nilai ka sakabeh wewengkon perusahaan, tapi meureun
Naha éta kompromi agenda individu atanapi jabatan? Inget kana paribasa
"Mikir ngeunaan sagalana leuwih penting batan mikir ngeunaan ngan hiji hal".
Papatah ieu leres pikeun organisasi BI.
Hanjakalna, seueur gudang museurkeun usahana
pilari drive jeung mawa nilai ka departemén husus atawa a
pamaké husus, kalawan saeutik hal pikeun organisasi kana
umum. Anggap manajer requests bantuan ti tim di
rumah susun. Tim nu responds kalawan pakasaban 90 poé éta
ngawengku teu ukur pangiriman sarat bewara diartikeun ku
manajer tapi ensures yén sakabéh dati basa dicampurkeun kana tingkat
atom saméméh diwanohkeun dina téhnologi kubus
usulan.
Tambihan rékayasa ieu mastikeun yén prestasi tina
werehouse bakal nguntungkeun tina dati diperlukeun ku manajer.
Tapi, eksekutif nyarios ka firma konsultan luar éta
parantos ngusulkeun aplikasi anu sami sareng pangiriman kirang ti 4
minggu.
Anggap tim werehouse internal kompeten, éta
manajer boga pilihan. Anu bisa ngarojong disiplin tina
rékayasa tambahan diperlukeun pikeun tani sumur
perusahaan inpormasi atanapi tiasa milih ngadamel sorangan
solusi gancang. Anu terakhir sigana leres-leres dipilih
teuing mindeng sarta ngan boga fungsi pikeun nyieun wadah informasi tina
nu nguntungkeun sababaraha atawa individu.
Tujuan jangka pondok sareng jangka panjang
Arsiték sarta planners proyék kudu formalize a
visi jangka panjang arsitektur sakabéh jeung rencana pikeun
tumuwuh dina organisasi BI. Kombinasi ieu
kauntungan jangka pondok jeung perencanaan jangka panjang
ngagambarkeun dua rupa usaha BI. gain jangka pondok
kadaluwarsa nyaéta facet BI anu pakait sareng iterasi tina
gudang Anjeun.
Ieu dimana planners, arsiték jeung sponsor difokuskeun
minuhan sarat bisnis husus. Ieu di tingkat ieu mana nu
struktur fisik diwangun, téhnologi dibeuli na teh
téhnik dilaksanakeun. Maranehna mah lain dijieun nyanghareupan
syarat husus sakumaha didefinisikeun ku komunitas pamaké husus.
Sagalana geus rengse guna alamat sarat husus diartikeun
ti masarakat nu tangtu.
Perencanaan jarak jauh, kumaha oge, mangrupikeun aspek anu sanés
tina BI. Ieu dimana rencana sareng desain ngajamin éta
diwangun sagala struktur fisik, téknologi dipilih jeung
téhnik realisasi dijieun kalawan panon ka arah perusahaan. Jeung
tata jarak jauh nu nyadiakeun kohési
diperlukeun pikeun mastikeun yén kauntungan bisnis accrue ka sadaya
gains jangka pondok kapanggih.
Lereskeun usaha BI anjeun
Un data gudang ku sorangan teu boga nilai bawaan. Di séjén
kecap, euweuh nilai alamiah antara téknologi
gudang jeung téhnik palaksanaan.
Nilai tina sagala usaha gudang kapanggih dina lampah
dipigawé salaku hasil tina lingkungan gudang jeung eusi
informasi dibudidayakan ngaliwatan waktu. Ieu titik kritis ngartos
sateuacan anjeun kantos nyobian estimasi nilai tina inisiatif naon waé ku
imah.
Sering teuing, arsiték sareng perencana nyobian nerapkeun nilai
gudang komponén fisik sarta teknis lamun dina kanyataanana nilai
founds kalawan prosés bisnis anu dampak positif ku
gudang jeung informasi well-kaala.
Di dieu aya tangtangan pikeun ngadegkeun BI: Kumaha anjeun menerkeun investasi?
Lamun wherehouse sorangan teu boga nilai intrinsik, désainer tina
proyék kudu nalungtik, nangtukeun tur formalize mangpaat
kahontal ku jalma individu anu bakal ngagunakeun gudang pikeun
ningkatkeun prosés bisnis husus atawa nilai tina
informasi ditangtayungan atawa duanana.
Pikeun ngahesekeun jejer, sagala prosés bisnis
kapangaruhan ku usaha gudang bisa méré mangpaat
"considerable" atawa "rada". kaunggulan considerable nyadiakeun a
métrik tangible pikeun ngukur balik dina investasi (ROI) - misalna
conto, ngarobah leuwih inventory hiji waktu tambahan salila periode
husus atawa keur ongkos angkutan handap per kiriman. Éta langkung
Hésé pikeun ngémutan sakedik kauntungan, sapertos ningkat aksés kana
informasi, dina hal nilai tangible.
Sambungkeun proyék anjeun pikeun terang
pamundut bisnis
Sering teuing, desainer proyék nyobian nyambungkeun nilai
tina gudang kalayan tujuan amorf perusahaan. nyatakeun yén
"Nilai gudang dumasar kana kamampuan urang
nyugemakeun requests strategis” urang pleasantly muka teh
biantara. Tapi éta waé henteu cekap pikeun nangtukeun naha
investasi di gudang ngajadikeun rasa. Éta hadé pikeun nyambungkeun pangulangan
tina gudang kalawan requests komérsial husus sarta catetan.
Ukur ROI
Ngitung ROI dina setting gudang tiasa
utamana hésé. Ieu utamana hésé lamun kalungguhan
poko tina pengulangan tangtu mangrupa hal intangible atawa
gampang diukur. Hiji studi kapanggih yén pamaké ngarasa
dua kauntungan utama inisiatif BI:
▪ Jieun kamampuh pikeun nyieun putusan
▪ Jieun aksés ka informasi
Mangpaat ieu mangrupa mangpaat lemes (atawa hampang). Gampang ningalina
kumaha urang bisa ngitung ROI dumasar kana ujung teuas (o
gedé) saperti ngurangan biaya angkutan, tapi kumaha
Naha urang ngukur kamampuan pikeun nyandak kaputusan anu langkung saé?
Ieu pasti tantangan pikeun planners proyék nalika
aranjeunna nyobian pikeun meunangkeun pausahaan pikeun investasi di hiji husus
usaha gudang. Ngaronjatkeun penjualan atanapi ngirangan biaya
aranjeunna henteu deui téma sentral anu ngajalankeun lingkungan BI.
Sabalikna, anjeun milarian aksés dina pamundut bisnis
pangsaéna pikeun inpormasi supados departemén khusus tiasa
nyieun kaputusan leuwih gancang. Ieu drivers strategis a
nu kajadian jadi sarua pentingna pikeun sungut tapi aya
langkung ambigu sareng langkung hese dicirian dina métrik anu nyata.
Dina hal ieu, ngitung ROI tiasa nyasabkeun, upami henteu relevan.
Désainer proyék kedah tiasa nunjukkeun nilai
tangible pikeun executives mutuskeun naha investasi di
pengulangan tinangtu diitung. Najan kitu, urang moal ngajukeun nu anyar
métode pikeun ngitung ROI, atawa urang bakal nyieun pro atawa argumen
ngalawan eta.
Aya loba artikel jeung buku sadia nu ngabahas dasar pikeun
ngitung ROI. Aya propositions nilai husus kayaning nilai
on Investment (VOI), ditawarkeun ku grup kawas Gartner, nu bisa
pikeun panalungtikan. Gantina, urang bakal difokuskeun aspék inti sagala
ROI atanapi propositions nilai séjén anjeun kudu mertimbangkeun.
Nerapkeun ROI
Salian argumen ngeunaan kauntungan "teuas" versus kauntungan "lemes".
Dikaitkeun jeung usaha BI aya isu sejenna mertimbangkeun
nalika urang nerapkeun ROI. Salaku conto:
Attributing loba teuing tabungan usaha DW nu bakal datang
dina tiap hal
Anggap perusahaan anjeun transisi tina arsitéktur tina
mainframe ka lingkungan UNIX anu disebarkeun. Jadi wae
tabungan anu tiasa (atanapi henteu) diwujudkeun ku usaha éta
teu kudu attributed éksklusif, lamun ka sadaya (?), ka
gudang
Teu akuntansi pikeun sagalana mahal. Jeung aya loba hal pikeun
tumut kana akun. Pertimbangkeun daptar di handap ieu:
▪ Biaya ngamimitian, kaasup feasibility.
▪ Biaya hardware dedicated kalawan gudang patali e
komunikasi
▪ Biaya software, kaasup manajemén dati jeung ekstensi
klien / server, software ETL, téhnologi DSS, parabot
visualisasi, scheduling jeung aplikasi aliran
karya jeung software tracking,.
▪ Biaya desain struktur dati, kalawan realisasi, jeung
optimasi tina
▪ Biaya ngembangkeun software langsung pakait sareng usaha
BI
▪ Biaya rojongan home, kaasup optimasi tina
kinerja, kaasup kadali versi software e
mantuan operasi
Larapkeun "Big-Bang" ROI.
Realisasi gudang salaku usaha tunggal jeung gigantic
pasti gagal, kitu ogé ngitung ROI pikeun inisiatif
tina perusahaan badag tawaran ieu héran, sarta yén désainer
terus nyieun usaha lemah keur estimasi nilai sakabéh
usaha.
Kusabab désainer nyobian masihan nilai moneter
on prakarsa perusahaan lamun eta dipikawanoh lega tur katampa éta
naha estimasi pengulangan husus hésé? Kumaha mungkin? Henteu
mungkin kalawan sababaraha iwal. Ulah ngalakukeun eta.
Ayeuna urang parantos netepkeun naon anu henteu kedah dilakukeun nalika ngitung
ROI, ieu sababaraha titik anu bakal nulungan urang dina watesan
prosés dipercaya pikeun estimasi nilai usaha BI anjeun.
Kéngingkeun idin ROI. Paduli anjeun
pilihan téhnik pikeun estimasi nilai usaha BI anjeun, kudu
disatujuan ku sadaya pihak, kalebet perencana proyék,
sponsor perusahaan sareng eksekutif.
Megatkeun ROI kana bagian diidentipikasikeunana. Hiji léngkah anu diperlukeun nuju di
itungan lumrah tina hiji ROI nyaéta konsentrasi itungan éta dina a
proyék husus. Ieu lajeng ngidinan Anjeun pikeun estimasi nilai a
dumasar kana sarat bisnis husus nu patepung
Nangtukeun waragad. Sakumaha didadarkeun, loba waragad kudu
dianggap. Saterusna, waragad kudu ngawengku teu ukur waragad pakait
kana iterasi tunggal tapi ogé kana biaya anu aya hubunganana
pikeun mastikeun patuh standar perusahaan.
Nangtukeun kauntungan. Ku jelas linking ROI kana sarat
trades husus, urang kudu bisa nangtukeun
kauntungan anu bakal ngakibatkeun minuhan sarat.
Ngurangan biaya jeung kauntungan dina gains caket. Éta jalan
cara anu pangsaéna pikeun ngadasarkeun pangajen anjeun kana nilai ayeuna bersih
(NPV) teu sapertos nyobian ngaramalkeun nilai hareup dina
earnings hareup.
Tetep waktos pikeun ngabagi ROI anjeun ka minimum. JEUNG'
ogé didokumentasikeun dina waktos anu lami parantos dianggo dina anjeun
ROI.
Paké leuwih ti hiji rumus ROI. Aya seueur metode pikeun
prediksi ROI jeung anjeun kudu rencanana naha ngagunakeun hiji atawa
tambah, kaasup nilai ayeuna net, speed internal tina eupan balik
(IRR) jeung recovery.
Nangtukeun prosés repeatable. Ieu krusial pikeun ngitung
sagala nilai jangka panjang. Kudu didokumentasikeun a
prosés repeatable tunggal pikeun sakabéh subsequences proyék a
nuturkeun.
Masalah anu didaptarkeun mangrupikeun masalah anu paling umum ditetepkeun ku para ahli
tina lingkungan washhouse. keukeuh manajemen urang on
gaduh "Big-Bang" ROI nganteurkeun pisan ngabingungkeun. Upami anjeun ngamimitian sadayana
itungan ROI anjeun ku megatkeun aranjeunna handap kana diidentipikasikeunana, bagian tangible, anjeun boga
kasempetan alus keur estimasi hiji evaluasi ROI akurat.
Patarosan ngeunaan kauntungan ROI
Naon kauntungan anjeun, lemes atanapi teuas, anjeun tiasa nganggo
sababaraha patarosan fundamental pikeun nangtukeun nilai maranéhanana. Ka
conto ngagunakeun sistem skala basajan, ti 1 nepi ka 10, anjeun
anjeun tiasa ngalacak dampak tina sagala usaha ngagunakeun handap
pamundut:
▪ Kumaha anjeun bakal meunteun pamahaman dati nuturkeun ieu
proyék perusahaan anjeun?
▪ Kumaha anjeun bakal ngira-ngira kamajuan prosés salaku hasil tina
proyék ieu?
▪ Kumaha anjeun bakal ngukur dampak tina wawasan jeung inferensi anyar ayeuna
disadiakeun ku iteration ieu
▪ Naon dampak lingkungan komputer anyar e
ngalaksanakeun salaku hasil tina naon geus diajar?
Upami waleran kana patarosan ieu sakedik, mungkin waé
perusahaan teu patut investasi dijieun. Patarosan kalawan luhur
skor titik gains nilai signifikan jeung kudu
dijadikeun pituduh pikeun panalungtikan satuluyna.
Contona, skor luhur pikeun perbaikan prosés
sakuduna ngarah désainer pikeun nempo kumaha prosés nu
geus ningkat. Anjeun bisa manggihan yén sababaraha atawa sakabéh gains dijieun
aranjeunna tangible sahingga hiji nilai moneter bisa gampang jadi
dilarapkeun.
Meunangkeun mangpaat pangseueurna ti Iteration munggaran tina
gudang
Hasil greatest usaha anjeun usaha mindeng di
sababaraha iteration munggaran. Ieu usaha mimiti tradisional
ngadegkeun eusi informasi pang gunana pikeun publik e
netepkeun bantosan kana pondasi téknologi pikeun engké
aplikasi BI.
Biasana unggal saterusna saterusna tina dati proyék tina
gudang mawa kirang na kirang nilai tambahan pikeun perusahaan
umum. Ieu hususna leres lamun iteration nu gagal
nambahkeun argumen anyar atawa teu minuhan kabutuhan pikeun nu anyar
komunitas pamaké.
Fitur nyimpen ieu ogé lumaku pikeun tumpukan
tumuwuh ku dati ahli sajarah. Salaku usaha salajengna merlukeun leuwih
dati jeung kumaha deui dati anu dituang kana gudang kana waktu, lolobana
dati janten kirang relevan kana analisis dipaké. Ieu dati sare
mindeng disebut dati saré sarta éta salawasna mahal tetep aranjeunna sabab
aranjeunna ampir pernah dipaké.
Naon ieu hartosna pikeun sponsor proyék? Intina, i
sponsor munggaran bagikeun leuwih ti waragad investasi.
Ieu primér sabab mangrupakeun dorongan pikeun ngadegkeun lapisan
sumberdaya gudang ageung sareng lingkungan téknologi,
kaasup organik.
Tapi léngkah-léngkah munggaran ieu mawa nilai pangluhurna sareng ku kituna para désainer
proyék kudu mindeng menerkeun investasi.
Proyék anu dilakukeun saatos inisiatif BI anjeun tiasa gaduh biaya
inferior (dibandingkeun kahiji) jeung langsung, tapi mawa nilai kirang
ka perusahaan.
Sareng pamilik organisasi kedah mimiti nimbang-nimbang
buang akumulasi tina dati sareng téknologi anu kirang relevan.
Data Mining : Ekstraksi Dati
Sababaraha komponén arsitéktur merlukeun variasi
téknologi sareng téknik data mining—
contona, béda "agén" pikeun examining titik dipikaresep ti
konsumén, sistem operasi parusahaan jeung keur dw sarua. Ieu
agén tiasa jaringan saraf canggih dilatih pikeun
tren pot, kayaning paménta produk hareup dumasar kana
promosi jualan; mesin dumasar-aturan pikeun
meta pikeun susunan dato kaayaan, contona, diagnosis
saran médis sarta perlakuan; atawa malah agén basajan
kalayan peran ngalaporkeun pengecualian ka manajer senior (top
eksekutif). Umumna prosés ékstraksi ieu dati si
pariksa sacara real waktos; kituna, maranéhanana kudu ngahiji
lengkep jeung gerakan nu dati stessi
Ngolah Pangolahan Analitik Online
analytics online
Kamampuh nyiksikan, dadu, roll, bor handap
jeung ngalakukeun analisis
kumaha-lamun, aya dina wengkuan, tujuan suite
téhnologi IBM. Contona, fungsi perlakuan analitik
online (OLAP) aya pikeun DB2 nu brings analisis diménsi kana
mesin tina database sarua.
Fungsi nambahkeun utiliti dimensi ka SQL bari
ngamangpaatkeun sagala kauntungan jadi bagian alam DB2. Lian
conto integrasi OLAP teh alat ékstraksi, DB2
OLAP Analyzer Server. Téknologi ieu ngamungkinkeun kubus tina
DB2 OLAP server janten gancang tur otomatis
dianalisis pikeun milarian sareng ngalaporkeun nilai-nilai dati mahiwal atawa teu kaduga
pikeun sakabéh kubus ka analis dagang. Sarta pamustunganana, fungsi tina
DW Center nyadiakeun sarana pikeun arsiték mariksa, antara séjén
hal séjén, profil kubus server DB2 OLAP salaku bagian
sipat prosés ETL.
Analisis spasial Analisis spasial
Spasi ngagambarkeun satengah tina jangkar analitik (konduksi).
diperlukeun pikeun panorama a
analitik lega (waktu ngagambarkeun satengah séjén). Tingkat atom
(tingkat atom) tina gudang, digambarkeun dina Gambar 1.1,
ngawengku dasar pikeun waktu jeung spasi. Rékaman
Analisis jangkar dumasar-waktos pikeun inpormasi waktos sareng alamat
analisis jangkar ti spasi. Cap waktu
ngalaksanakeun analisis dina waktu, sarta alamat informasi ngarah
analisis spasial. Diagram nembongkeun geocoding-prosés tina
ngarobah alamat kana titik dina peta atawa titik dina spasi
supados konsep sapertos jarak sareng jero / luar tiasa
dipaké dina analisis-dilaksanakeun dina tingkat atom jeung analisis spasial
nu dijieun sadia pikeun analis. IBM nyadiakeun ekstensi
spasi, dikembangkeun ku Environmental System Research Institute (ESRI),
al database DB2 ku kituna objék spasial bisa
diteundeun salaku bagian normal tina database relasional. db2
Extenders spasial, aranjeunna ogé nyadiakeun sagala ekstensi SQL pikeun
ngamangpaatkeun analisis spasial. Contona, ekstensi SQL ti
patarosan ngeunaan
jarak antara alamat atawa lamun hiji titik di jero atawa di luar wewengkon
polygonal diartikeun, mangrupa standar analitik jeung Spasial
extenders. Tempo bab 16 pikeun inpo nu leuwih lengkep.
database-Alat Pakakas warga database-
Nyicingan
DB2 ngabogaan loba SQL BI-nyicingan mantuan fitur
dina tindakan analisis. Ieu kalebet:
▪ Fungsi rekursi pikeun ngalakukeun analisa, sapertos "manggihan
kabéh jalur hiber mungkin tina San Francisco a New York".
▪ Fungsi analitik pikeun ranking, fungsi kumulatif, kubus
jeung rollups pikeun mempermudah tugas nu ilaharna lumangsung
ngan ku téhnologi OLAP, ayeuna bagian alam tina
mesin tina database
▪ Kamampuhan nyieun tabel nu ngandung hasil
Para penjual tina database pamingpin campur leuwih ti kamampuhan BI
nel database stesso
The suppliers utama tina basis data aranjeunna Pergaulan leuwih ti
fungsionalitas BI di database stesso
Ieu nyadiakeun kinerja pangalusna sarta leuwih pilihan palaksanaan pikeun les
solusi BI.
fitur sarta fungsi DB2 V8 dibahas
rinci dina bab di handap ieu:
Arsitéktur Téknis sareng Yayasan Manajemén Data
(Bab 5)
▪ Dasar-dasar DB2 BI (Bab 6)
▪ DB2 Materialized Query Tables (Materialized Query
Tabél) (Bab 7)
▪ Fungsi OLAP DB2 (Bab 13)
▪ Fitur sareng pungsi DB2 Enhanced BI (Enhanced BI
Fitur sareng Fungsi) (Bab 15)
Sistem Pangiriman Data Saderhana
Sistem pangiriman tina dati disederhanakeun
Arsitéktur digambarkeun dina Gambar 1.1 ngawengku sababaraha
struktur dati fisik. Salah sahijina nyaéta gudang dati operasional.
Sacara umum, ODS berorientasi objek,
terpadu jeung ayeuna. Dupi anjeun ngawangun hiji ODS pikeun ngarojong, f.eks
contona, kantor penjualan. Penjualan ODS bakal nambahan dati
ti loba sistem béda tapi ngan bakal tetep, misalna
conto, transaksi kiwari. The ODS bisa diropéa
malah sababaraha kali sapoé. Dina waktu nu sarua, prosés
nyorong i dati terpadu kana aplikasi séjén. fasilitas ieu
dirancang husus pikeun ngahijikeun dati arus jeung dinamis e
bakal calon kamungkinan pikeun ngarojong analytics real-time,
kumaha nyadiakeun agén jasa konsumén inpo jualan
arus customer ku extracting informasi trend jualan
ti gudang sorangan. Struktur séjén ditémbongkeun dina gambar 1.1 nyaeta
status formal pikeun dw. Henteu ngan ieu tempat pikeun
palaksanaan integrasi perlu, kualitas datijeung
tina transformasi tina dati tina stock datang, tapi éta ogé
wewengkon gudang dipercaya jeung samentara pikeun dati replicated éta
bisa dipaké dina analytics real-time. Lamun mutuskeun
ngagunakeun ODS atawa wewengkon pementasan, hiji
tina parabot pangalusna pikeun populate struktur ieu dati ngagunakeun
sumber operasional béda nyaéta query disebarkeun hétérogén DB2 urang.
Kamampuhan ieu disayogikeun ku fitur opsional DB2
disebut DB2 Relational Connect (ngan queries) tur ngaliwatan DB2
DataJoiner (produk anu misah anu nganteurkeun patarosan,
sisipan, Ngamutahirkeun sarta kamungkinan pembatalan a
RDBMS disebarkeun sacara hétérogén).
Téknologi ieu ngamungkinkeun arsiték pikeun dati pikeun dasi dati di
produksi jeung prosés analitik. Henteu ngan ukur tiasa téknologi
adaptasi jeung ampir sagala requests réplikasi éta
aranjeunna bisa datang nepi ka analisis real-time, tapi éta
aranjeunna ogé bisa nyambung ka rupa-rupa basa dati deui
populér, kaasup DB2, Oracle, Sybase, SQL Server,
Informix jeung sajabana. DB2 DataJoiner bisa dipaké pikeun populate
hiji struktur dati formal kawas hiji ODS atawa malah méja
permanén digambarkeun dina gudang dirancang pikeun restorasi
gancang tina apdet instan atanapi pikeun dijual. Alami,
ieu struktur sarua dati bisa Asezare populata ngagunakeun
téhnologi penting séjén dirancang pikeun réplikasi tina dati, IBM
DataPropagator Relational. (DataPropagator mangrupikeun produk anu misah
pikeun sistem sentral. DB2 UNIX, Linux, Windows jeung OS / 2 ngawengku
jasa réplikasi tina dati salaku fitur standar).
Métode séjén pikeun mindahkeun dati operasi sabudeureun
mun perusahaan mangrupa integrator aplikasi perusahaan disebutkeun
katelah calo pesen Ieu
téhnologi unik ngamungkinkeun kontrol unmatched ka puseur
(targeting) jeung mindahkeun dati sabudeureun pausahaan. IBM boga calo
tina seratan anu paling seueur dianggo, MQSeries, atanapi variasi
produk nu ngawengku sarat tina e-commerce, IBM
WebSphere MQ.
Pikeun sawala langkung lengkep ihwal kumaha carana ngungkit MQ pikeun rojongan a
gudang jeung lingkungan BI, nganjang ramatloka tina buku. Pikeun ayeuna, éta
cukup disebutkeun yen téhnologi ieu mangrupa medium alus teuing pikeun
néwak sareng transformasi (nganggo MQSeries Integrator) dati
operatives sasaran direkrut pikeun solusi BI. Tuh
téhnologi MQ geus terpadu jeung rangkep dina UDB V8, nu
hartina antrian pesen ayeuna bisa diatur
saolah-olah éta tabel DB2. Konsep las tina
pesen antrian jeung alam semesta tina database huluna relational
nuju lingkungan pangiriman kuat tina dati.
Nol-Latency Nol latency
Tujuan strategis pamungkas pikeun IBM nyaéta analisis latency enol.
Sakumaha didefinisikeun ku
Gartner, sistem BI kudu bisa infer, asimilasi
sarta nyadiakeun informasi ka analis kana pamundut. Tantangan,
tangtu, eta perenahna di kumaha nyampur dati ayeuna sareng sacara real waktos
kalawan informasi sajarah diperlukeun, kayaning i dati model patali / tina
kacenderungan, atawa pamahaman sasari, salaku delineation tina
palanggan
Inpormasi sapertos kitu kalebet, contona, idéntifikasi konsumén ad
resiko tinggi atawa low atawa produk nu i konsumén aranjeunna bakal meuli pisan
meureun lamun maranéhna geus boga sababaraha kéju dina carts maranéhna
akuisisi.
Meunang enol latency sabenerna gumantung dua
mékanisme dasar:
▪ merging lengkep tina dati nu diparaké jeung
téhnik ngadegkeun tur kalawan parabot dikembangkeun ku BI
▪ Hiji sistem pangiriman ti dati efisien pikeun mastikeun yén
analisis real-time sabenerna aya
Prasyarat ieu pikeun nol latency henteu béda ti dua
tujuan anu ditetepkeun ku IBM sareng dijelaskeun di luhur.
Gandeng ketat tina dati mangrupa bagian tina program
integrasi seamless diatur ku IBM. Jeung nyieun sistem
tina pangiriman ti dati efisien sagemblengna gumantung
téhnologi sadia nu simplifies prosés pangiriman tina
dati. Hasilna, dua tina tilu tujuan IBM kritis
pikeun nyieun katilu. IBM sacara sadar ngembangkeun sorangan
téhnologi pikeun mastikeun enol latency mangrupakeun kanyataanana pikeun
usaha gudang.
Ringkesan / Sintésis
Organisasi BI nyadiakeun peta jalan pikeun
nyiptakeun lingkungan anjeun
iteratively. Ieu kudu disaluyukeun pikeun ngagambarkeun kaperluan éta
bisnis anjeun, boh ayeuna jeung nu bakal datang. Tanpa visi arsitéktur
lebar, reps stock anu saeutik leuwih ti
palaksanaan gudang sentral acak nu ngalakukeun saeutik pikeun
nyieun hiji lega, perusahaan informational.
Halangan munggaran pikeun manajer proyék nyaéta kumaha menerkeun
Investasi diperlukeun pikeun ngembangkeun organisasi BI.
Sedengkeun itungan ROI geus tetep jadi andalan pikeun
prestasi gudang, eta geus jadi leuwih hese
ngaramal persis. Ieu geus ngarah ka métode séjén pikeun
tekad upami anjeun kéngingkeun artos artos anjeun. The
nilai on investment2 (VOI), contona, procured
salaku solusi.
Éta incumbent kana arsiték tina dati sarta dina planners proyék
ngahaja ngahasilkeun sarta nyadiakeun informasi ka asosiasi tina
pamaké sarta henteu ngan masihan layanan sui dati. Aya
bédana badag antara dua. Inpormasi mangrupikeun hal anu dilakukeun
bédana dina prosés-nyieun kaputusan sarta efektivitas; rélatif, abdi
dati aranjeunna ngawangun blok pikeun deriving informasi éta.
Sanajan kritis sumberna dati pikeun alamat requests
bisnis, lingkungan BI kedah ngagaduhan peran anu langkung ageung
dina kreasi eusi informasi. Urang kudu nyandak
ukuran tambahan pikeun ngabersihan, ngahijikeun, transformasi atawa
disebutkeun nyieun hiji eusi informasi nurutkeun nu
pamaké bisa nyokot tindakan, sarta ku kituna urang kudu mastikeun yén maranéhanana
lampah jeung kaputusan maranéhanana, mana lumrah, boga eupan balik
di lingkungan BI. Lamun urang relegate gudang pikeun ngawula ngan dina dati,
éta assured yén asosiasi pamaké bakal nyieun eusi
inpormasi anu diperyogikeun pikeun nyandak tindakan. Ieu ensures yén maranéhna
masarakat bakal bisa nyieun kaputusan hadé, tapi perusahaan
kakurangan tina kurangna pangaweruh anu aranjeunna dianggo.
Kanyataan yén arsiték sarta planners proyék initiate proyék
husus pikeun lingkungan BI, aranjeunna tetep akuntabel ka perusahaan
ku tur badag. Hiji conto basajan tina fitur twosome ieu
raray tina iterasi tina BI kapanggih dina sumber dati. Kabéh
dati narima pikeun requests komérsial husus kudu
dicicingan dina lapisan atom munggaran. Ieu ensures ngembangkeun
asset informasi perusahaan, kitu ogé ngatur, ruteu nu
requests pamaké husus didefinisikeun dina Iteration nu.

W hatisa D ata W arehouse ?
Gudang data éta jantung arsitéktur sistem informasi
ti 1990 tur ngarojong prosés informasi ku tawaran padet
platform terpadu tina dati sajarah dicokot salaku dadasar pikeun engké
nganalisa. THE data gudang nawarkeun betah integrasi kana a
dunya sistem aplikasi sauyunan. Kaping
gudang geus robah jadi fad a. Gudang data
ngatur jeung ngapalkeun i dati diperlukeun pikeun prosés informasi e
analitis dumasar kana sudut pandang temporal sajarah anu panjang. Sadayana
ieu ngalibatkeun usaha considerable tur konstan dina konstruksi na
dina pangropéa tina data gudang.
Jadi naon a data gudang? A data gudang sareng:
▪ berorientasi subyek
▪ sistem terpadu
▪ variasi waktos
▪ non-volatile (teu ngabolaykeun)
kumpulan dati dipaké dina ngarojong kaputusan managerial dina
palaksanaan prosés.
I dati diasupkeun kana data gudang timbul dina lolobana
kasus ti lingkungan operasional. The data gudang dijieun ku hiji
Unit gudang, fisik dipisahkeun tina sesa
sistem, nu ngandung dati saméméhna diolah ku
aplikasi anu ngoperasikeun inpormasi anu diturunkeun tina lingkungan
operasional.
Harti literal a data gudang pantes panalungtikan teleb
katerangan sakumaha aya motivations penting jeung harti tina
dana anu ngajelaskeun karakteristik gudang.
ORIENTASI MATA PELAJARAN
TEMATIK
Fitur mimiti a data gudang nya éta anu dituju
pamaén utama dina hiji pausahaan. Pituduh prosés ngaliwatan
dati éta kontras jeung métode leuwih klasik nu foresees
orientasi aplikasi kana prosés sareng fungsi,
métode lolobana dibagikeun ku paling
sistem arah heubeul.
Dunya operasi dirancang sabudeureun aplikasi jeung fungsi
sapertos pinjaman, tabungan, kartu bank sareng amanah pikeun hiji lembaga
kauangan. Dunya dw diatur sabudeureun subjék
sapertos palanggan, penjual, produk sareng kagiatan.
Alignment sabudeureun jejer mangaruhan rarancang jeung
dina nyieun dati kapanggih dina dw. Pangpangna,
topik utama mangaruhan bagian pangpentingna dina
struktur konci.
Dunya aplikasi dipangaruhan ku desain data
dumasar kana rarancang prosés. Dunya tina
dw ngan ukur difokuskeun kana modél pidéo dati Éta hurung
gambar tina database. Desain prosés (dina bentukna
klasik) sanes bagian tina lingkungan dw.
Bedana antara pilihan prosés / aplikasi fungsi jeung
Pilihan pikeun subjek ogé diungkabkeun salaku bédana dina eusi
ti dati dina tingkat lengkep. THE dati del dw teu kaasup i dati Che
aranjeunna moal dipaké pikeun prosés DSS, bari aplikasi
berorientasi operasional dati ngandung i dati pikeun nyugemakeun
geuwat sarat fungsional / processing nu bisa o
sahenteuna boga pamakéan pikeun analis DSS.
Cara penting séjén pikeun aplikasi anu berorientasi operasional
ai dati béda ti dati tina dw aya dina laporan ngeunaan dati. abdi dati
operatives ngajaga hubungan lumangsung antara dua atawa leuwih tabel
dumasar kana aturan bisnis anu aktip. THE dati ku dw
aranjeunna bentang spéktrum waktu jeung babandingan kapanggih dina dw nyaeta
loba. Loba aturan dagang (jeung sasuai, loba
laporan ngeunaan dati ) diwakilan dina saham tina dati antara dua atawa
langkung tabel.
(Pikeun katerangan lengkep kumaha hubungan antara dati sare
junun di DW, urang tingal Topik Tech dina éta
patarosan.)
Teu aya sudut pandang anu sanés tibatan bédana
fundamental antara pilihan fungsi / prosés jeung aplikasi
pilihan subjek, aya bédana gede antara sistem
operasional jeung dati jeung DW.
INTEGRASI INTEGRASI
Aspék pangpentingna lingkungan dw éta i dati kapanggih
dina dw aranjeunna gampang terpadu. salawasna. TANPA
Pangecualian. Hakekat pisan lingkungan dw nyaeta i dati
dikandung dina wates gudang anu terpadu.
Integrasi nembongkeun diri ku sababaraha cara - dina konvénsi
diidentifikasi konsisten, ka extent variabel konsisten, dina
struktur dikodifikasi konsisten, dina atribut fisik tina dati
konsisten, jeung saterusna.
Leuwih taun désainer sababaraha aplikasi geus nyieun eta
owning loba kaputusan ngeunaan kumaha hiji aplikasi kedah
dikembangkeun. Gaya sareng kaputusan desain individual
tina aplikasi désainer 'diungkabkeun dina saratus cara: dina
bédana coding, struktur konci, ciri fisik,
konvénsi idéntifikasi, jeung saterusna. Kapasitas koléktif seueur
desainer aplikasi pikeun nyieun aplikasi inconsistent
éta legendaris. Gambar 3 ngungkabkeun sababaraha bédana
penting dina cara aplikasi dirancang.
Encoding: Encoding:
Désainer aplikasi parantos milih coding lapangan -
kelamin - dina cara béda. A désainer ngagambarkeun kelamin salaku
hiji "m" jeung "f". Desainer séjén ngagambarkeun gender salaku "1"
sareng "0". desainer sejen ngagambarkeun gender salaku "x" jeung
"y". desainer sejen ngagambarkeun gender salaku "jalu" jeung
"awéwé". Henteu janten masalah kumaha jinisna asup kana DW. The "M"
jeung "F" meureun sakumaha alus sakumaha sakabéh
ngagambarkeun.
Anu penting nyaéta tina naon waé asal-usul lapangan séks,
widang nu datang di DW dina kaayaan terpadu konsisten. Ti
konsekuensi lamun sawah dimuat kana DW ti
hiji aplikasi dimana eta geus ilahar kaluar dina format
"M" jeung "F", abdi dati kudu dirobah jadi format DW.
Pangukuran Atribut: Pangukuran
Atribut:
Désainer aplikasi milih ngukur pipa
rupa-rupa cara ngaliwatan kursus
Sababaraha taun. A toko desainer i dati tina pipa kana
séntiméter. desainer aplikasi sejen nyimpen éta dati
tina pipa dina watesan inci. desainer sejen tina
toko aplikasi i dati tina pipa dina juta kaki kubik
per detik. Jeung desainer sejen nyimpen informasi ngeunaan
pipa dina watesan yard. Naon waé sumberna, nalika éta
informasi pipa anjog di DW aranjeunna kedah
diukur dina cara nu sarua.
Nurutkeun indikasi gambar 3 masalah integrasi
aranjeunna mangaruhan ampir unggal aspék desain - fitur
dewa fisik dati, dilema ngabogaan leuwih ti hiji sumber dati, la
masalah sampel dicirikeun inconsistent, format tina dati
inconsistent, jeung saterusna.
Naon waé argumen desain, hasilna sami -
i dati kudu disimpen dina DW dina e tunggal
cara ditarima sacara global sanajan sistem operasi tina
toko dana béda i dati.
Nalika analis DSS kasampak di DW, lénsa analis
kudu eksploitasi tina dati nu aya di gudang,
tinimbang wondering ngeunaan kredibilitas atawa konsistensi tina
dati.
VARIANSI WAKTU
Kabéh dati dina DW aranjeunna akurat pikeun sababaraha waktos dina waktosna.
Ieu fitur dasar tina dati dina DW pisan béda ti dati
kapanggih dina lingkungan operasi. THE dati tina lingkungan operasi anu
akurat sakumaha dina waktu aksés. Istilah sanésna,
dina lingkungan operasi nalika ngaksés unit dati, aya yeuh
antosan nepi ka ngagambarkeun nilai akurat sakumaha dina waktu aksés.
Naha i dati dina DW anu akurat sakumaha dina sababaraha waktu dina
waktos (ie, sanes "ayeuna"), abdi dati kapanggih dina DW
aranjeunna "varian waktos".
Varian waktu tina dati ku DW disebut ku sababaraha cara.
Cara pangbasajanna nyaéta i dati tina hiji DW ngagambarkeun dati nya a
cakrawala lila - lima nepi ka sapuluh taun. cakrawala
waktos digambarkeun pikeun lingkungan operasi jauh leuwih pondok
▪ ti nilai ayeuna ayeuna ti nepi ka genep puluh salapan puluh
Aplikasi anu kedah dianggo saé sareng kedah
sadia pikeun ngolah urus kudu mawa éta
jumlah minimum tina dati lamun maranéhna ngaku sagala gelar tina
kalenturan. Janten aplikasi operasional gaduh cakrawala
pigura waktos pondok, salaku argumen desain tina
aplikasi sora.
Cara kadua 'variansi waktos' muncul dina DW nyaéta dina
struktur konci. Unggal struktur konci dina DW ngandung,
implisit atawa eksplisit, unsur waktu, kayaning
dinten, minggu, bulan, jsb. Unsur waktos ampir sok
di handapeun konci concatenated kapanggih dina DW. Dina ieu
kasempetan, unsur waktu bakal aya implisit, kayaning kasempetan
dimana sakabéh file duplikat dina ahir bulan atawa kuartal.
Cara katilu varian waktu dipintonkeun nyaéta yén i dati éta
DW, ngan leres didaptarkeun, teu bisa
diropéa. THE dati tina DW téh, pikeun sakabéh kaperluan praktis, panjang
runtuyan jepretan (jepret). Tangtu lamun snapshots téh
geus dicokot salah, mangka snapshots bisa jadi
dirobah. Tapi asumsina snapshots dicandak
leres, aranjeunna teu robah pas aranjeunna dijieun. Dina sababaraha
kasus eta bisa jadi unethical atawa malah sah yén snapshots dina
DW dirobah. THE dati operasional, akurat sakumaha dina
momen aksés, aranjeunna bisa diropéa sakumaha nembongan
kabutuhan.
TEU VOLATILE
Karakteristik penting kaopat DW nyaéta yén éta henteu volatile.
Pembaruan, sisipan, ngahapus sareng parobihan dilakukeun
rutin pikeun catetan-demi-catetan lingkungan operasional. Tapi éta
manipulasi dasar tina dati diperlukeun dina DW leuwih
basajan. Aya ngan dua rupa operasi anu lumangsung dina
DW - loading awal tina dati jeung aksés ka dati. teu aya
euweuh update tina dati (dina harti umum
update) dina DW salaku operasi processing normal.
Aya sababaraha konsékuansi anu pohara kuat tina bédana ieu
dasar antara processing operasional jeung processing DW. Dina tingkat
ku desain, kudu cautious ngeunaan ngaronjatkeun
abnormal teu faktor di DW, saprak update tina dati henteu
dilaksanakan. Ieu ngandung harti yén dina tingkat fisik desain,
liberties bisa dicokot pikeun ngaoptimalkeun aksés ka dati,
utamana dina ngungkulan jejer standardisasi jeung ngeunaan
denormalisasi fisik. Konsékuansi séjén tina kesederhanaan
Operasi DW aya dina téknologi dasar anu dianggo pikeun
ngajalankeun lingkungan DW. Kudu ngarojong apdet
catetan ku catetan inline (sakumaha sering kasus kalawan
processing operasional) téhnologi nu diperlukeun pikeun mibanda sababaraha
yayasan pisan kompléks handapeun hiji kesederhanaan katempo.
Téknologi anu ngadukung cadangan sareng pamulihan, transaksi
jeung integritas dati jeung kapanggihna jeung ubar stalemate nyaeta
rada rumit sarta teu dipikabutuh pikeun ngolah DW.
Karakteristik DW, orientasi desain,
integrasi tina dati dina DW, varian waktu jeung kesederhanaan
tina manajemen tina dati, sagalana ngarah ka lingkungan anu kacida, pisan
béda ti lingkungan operasi klasik. Sumberna ampir sadayana
dati DW mangrupikeun lingkungan operasi. Pikiran ngagoda
yén aya redundancy masif ti dati antara dua lingkungan.
Kanyataanna, gambaran kahiji yén loba jalma boga éta
redundancy hébat tina dati antara lingkungan operasi jeung lingkungan tina
ekstensi DW. Tafsiran sapertos kitu deet sareng ngabuktikeun a
kurangna pamahaman naon anu lumangsung dina DW.
Memang aya minimum redundancy dati antara lingkungan operasi
ed abdi dati tina DW. Urang mertimbangkeun di handap:
▪ Abdi dati aranjeunna disaring dato nu lulus ti lingkungan operasi
ka lingkungan DW. loba dati aranjeunna pernah pingsan
ti lingkungan operasi. Ngan éta mah dati nu diperlukeun pikeun
processing DSS manggihan arah maranéhanana di lingkungan
▪ waktu cakrawala tina dati béda pisan jeung lingkungan
ka nu séjén. THE dati dina lingkungan operasi aranjeunna seger pisan. THE dati
dina DW aranjeunna leuwih kolot. Ngan tina sudut pandang
tina cakrawala waktu, aya saeutik pisan tumpang tindihna
antara lingkungan operasi sareng DW.
▪ DW ngandung dati tina kasimpulan nu teu kungsi kapanggih
di lingkungan
▪ Abdi dati ngalaman transformasi fundamental saprak
moment aranjeunna lulus ka Gambar 3 illustrates yén paling
bagian tina dati anu nyata robah disadiakeun
pikeun dipilih tur dipindahkeun ka DW. Dina basa sejen, nu
lolobana dati dirobih sacara fisik e
radikal sabab dipindahkeun ka DW. Tina sudut pandang
integrasi henteu sami dati anu cicing
dina lingkungan operasi.
Dibikeun faktor ieu, redundancy tina dati antara dua lingkungan nyaéta
kajadian anu jarang, ngabalukarkeun kurang ti 1% redundansi antara dua
lingkungan.
STRUKTUR GUDANG
DWs gaduh struktur anu béda. Aya sababaraha tingkatan kasimpulan sareng tina
rinci demarking nu DWs.
Rupa-rupa komponén DW nyaéta:
▪ Métadata
▪ Dati rinci ayeuna
▪ Dati tina rinci heubeul
▪ Dati rada diringkeskeun
▪ Dati kacida diringkeskeun
Sajauh perhatian utama nyaéta pikeun i dati tina detil
arus. Éta mangrupikeun perhatian utama sabab:
▪ Abdi dati rinci ayeuna ngagambarkeun acara panganyarna,
nu salawasna dipikaresep hébat sarta
▪ abdi dati tina detil ayeuna anu voluminous sabab éta
disimpen dina tingkat panghandapna tina granularity e
▪ abdi dati rinci ayeuna ampir sok disimpen dina
memori disk, nu gancang aksés, tapi mahal tur
kompléks ti
I dati tina detil leuwih kolot dati nu disimpen dina
sababaraha memori tina Massa. Éta ngagaduhan aksés sacara sporadis sareng éta
disimpen dina tingkat jéntré cocog sareng dati detil
arus. Bari teu wajib pikeun nyimpen dina medium tina
memori alternatif, alatan volume badag tina dati ngahiji jeung
aksés sporadis tina dati, médium gudang pikeun dati di
rinci heubeul teu biasana disimpen dina disk.
I dati enteng diringkeskeun aranjeunna dati nu handap sulingan
tingkat jéntré kapanggih dina tingkat jéntré ayeuna. Ieu
Tingkat DW ampir sok disimpen dina mémori disk. THE
masalah desain anu nampilkeun diri ka arsiték tina dati
dina pangwangunan tingkat ieu DW nyaéta:
▪ Hijian waktu naon anu diringkeskeun di luhur
▪ Naon eusi, atribut bakal rada nyimpulkeun dina
eusi tina dati
Tingkat salajengna tina dati kapanggih dina DW nyaeta tina dati kacida
diringkeskeun. THE dati kacida diringkeskeun kompak jeung gampang
diaksés. THE dati kacida diringkesna kadang kapanggih
di lingkungan DW jeung dina kasus séjén i dati kacida diringkeskeun aranjeunna
kapanggih di luar tembok saharita téhnologi perumahan DW.
(dina hal naon waé, i dati kacida diringkeskeun mangrupakeun bagian tina DW
paduli dimana i dati ditempatkeun sacara fisik).
Komponén ahir DW nyaéta komponén metadata. Dina sababaraha hal
metadata sits dina dimensi béda ti batur dati
tina DW, sabab metadata teu ngandung nanaon dato langsung
dicokot tina lingkungan operasi. Metadata boga peran husus e
pohara penting dina DW. Metadata dianggo salaku:
▪ diréktori pikeun mantuan analis DSS maluruh
eusi DW,
▪ pituduh pikeun pemetaan nu dati kumaha i dati Aranjeunna
dirobih tina lingkungan operasi ka lingkungan DW,
▪ pituduh kana algoritma anu digunakeun pikeun kasimpulan antara i dati di
rinci ayeuna ei dati rada diringkeskeun, abdi dati kacida
diringkeskeun,
Metadata maénkeun peran anu langkung ageung dina lingkungan DW
dibandingkeun sareng anu aranjeunna kantos ngalaman di lingkungan operasi
LENGKAP LENGKAP MEDIUM neundeun
Pita magnét tiasa dianggo pikeun nyimpen jinis éta
dati. Memang aya rupa-rupa média panyimpen éta
kudu dianggap pikeun pelestarian heubeul dati di
jéntré.
Gumantung kana volume dati, frékuénsi aksés, ongkos
tina parabot jeung tipe aksés, éta sagemblengna probable
yén parabot lianna bakal butuh tingkat heubeul jéntré
dina DW.
ALIRAN DATA
Aya aliran normal jeung bisa diprediksi tina dati dina DW.
I dati aranjeunna asupkeun DW ti lingkungan operasi. (CATETAN: aya
sababaraha iwal pisan metot kana aturan ieu. Sanajan kitu, ampir
kabéh dati asupkeun DW ti lingkungan operasi). Kanyataan anu abdi dati
aranjeunna asupkeun DW ti lingkungan operasi, éta robah jadi éta
dijelaskeun sateuacanna. Disadiakeun anjeun ngasupkeun DW, abdi dati aranjeunna asupkeun kana
tingkat ayeuna detil, sakumaha ditémbongkeun. Éta cicing di dinya sareng dianggo
nepi ka lumangsung salah sahiji tina tilu kajadian:
▪ dimurnikeun,
▪ diringkeskeun, jeung/atawa
▪ nyaéta
prosés leungit jero hiji DW ngalir i dati rinci ayeuna
a dati tina rinci heubeul, nurutkeun umur dati. Prosésna
kasimpulan ngagunakeun jéntré ngeunaan dati keur ngitung dati
rada diringkeskeun jeung tingkat kasimpulan kacida tina dati. Nyaéta
sababaraha iwal mun aliran ditémbongkeun (bakal dibahas engké).
Nanging, biasana, pikeun seuseueurna dati kapanggih
dina DW a, aliran tina dati éta salaku digambarkeun.
Maké DATAWAREHOUSE
Teu heran rupa-rupa tingkatan dati dina DW henteu
nampi tingkat béda pamakean. Sakumaha aturan, nu leuwih luhur tingkat
kasimpulan, tambah i dati aranjeunna dipaké.
Loba kagunaan lumangsung dina dati kacida diringkesna, sedengkeun heubeul
dati rinci ampir pernah dipaké. Aya alesan alus dina
mindahkeun organisasi ka paradigma utilization sumberdaya. Langkung gaduh
kasimpulan i dati, nu leuwih gancang jeung leuwih efisien éta pikeun anjog di dati. nyalira
un toko mendakan éta seueur ngolah tingkat detil ngeunaan DWs,
lajeng jumlah badag pakait sumberdaya mesin
dihakan. Éta pikeun kapentingan sadayana pikeun muka sidang
sakumaha dina tingkat luhur summarization pas mungkin.
Pikeun seueur toko, analis DSS dina lingkungan pre-DW parantos dianggo
dati dina tingkat jéntré. Dina loba hal datangna di dati detil
nyarupaan simbut kaamanan, sanajan aranjeunna sadia
tingkat séjén summarization. Salah sahiji kagiatan arsitek di dati è
nyapih pamaké DSS tina pamakéan konstan dati dina tingkat tambah
rinci low. Aya dua alesan sadia
tina arsiték tina dati:
▪ masang sistem chargeback, dimana pamaké tungtung mayar
sumberdaya dikonsumsi e
▪ nunjukkeun yén waktu respon pohara alus bisa jadi
diala nalika kabiasaan kalawan i dati éta dina standar luhur
tina summarization, sedengkeun waktu respon goréng asalna tina
kabiasaan ti dati dina tingkat low tina
KONSIDERASI LAIN
Aya sababaraha pertimbangan konstruksi sareng manajemén sanés
ekstensi DW.
Pertimbangan kahiji nyaéta indéks. THE dati dina tingkat pangluhurna
summarization bisa bebas indéks, bari i dati
di tingkat handap detil aranjeunna jadi gede pisan bisa jadi
sparingly indéks. Ti token sarua, abdi dati dina tingkat luhur
rinci bisa rélatif gampang dibalikkeun,
sedengkeun volume dati di tingkat handap éta jadi badag yén i dati teu
aranjeunna bisa refurbished gampang. Akibatna, modél
ti dati jeung karya formal dipigawé ku desain pose teh
yayasan pikeun DW dilarapkeun ampir éksklusif pikeun tingkat
rinci ayeuna. Dina basa sejen, kagiatan modeling tina
dati aranjeunna teu dilarapkeun ka tingkat summarization, ampir unggal kasus.
tinimbangan struktural sejen nyaeta tina subdivision of
dati ku DW.
Partisi tiasa dilakukeun dina dua tingkat - dina tingkat dbms jeung ka
tingkat aplikasi. Dina division dina tingkat dbmseta dbms è
informed ngeunaan divisi jeung ngadalikeun aranjeunna sasuai. Upami kitu
division dina tingkat aplikasi, ngan programmer nyaeta
informed ngeunaan divisi jeung tanggung jawab aranjeunna
administrasi ditinggalkeun ka anjeunna
Di handap tingkat dbms, seueur padamelan anu dilakukeun sacara otomatis. Aya
loba inflexibility pakait sareng administrasi otomatis tina
babagian. Dina kasus aplikasi division-tingkat tina dati éta
data gudang, loba karya ragrag dina programmer, tapi nu
Hasil ahir nyaéta kalenturan dina administrasi dati dina tanggal
gudang
ANOMALI LAIN
Sedengkeun komponén tina data gudang aranjeunna dianggo sakumaha ditétélakeun
pikeun ampir kabéh dati, Aya sababaraha iwal mangpaat nu kudu
dibahas. Pangecualian nyaéta tina dati kasimpulan umum
(data kasimpulan umum). Ieu nyaéta dati kasimpulan anu geus
diitung kaluar tina data gudang tapi dipaké ku masarakat. THE dati
summaries umum disimpen na diatur dina data gudang,
sanajan sakumaha disebutkeun di luhur aranjeunna ilahar kaluar. THE
akuntan dianggo pikeun ngahasilkeun quarterly misalna dati sakumaha dina
panghasilan, pengeluaran triwulanan, untung triwulanan, jeung sajabana. Pakasaban
dilakukeun ku akuntan téh jaba ka data gudang. Sanajan kitu, kuring dati sare
dipaké "internal" dina parusahaan - ti pamasaran, jualan, jsb.
anomali sejen, nu moal dibahas, nya éta dati jaba.
jenis beredar sejen tina dati nu bisa kapanggih dina hiji data
gudang nyaéta yén data rinci permanén. Ieu ngabalukarkeun
kudu nyimpen permanén i dati dina hiji tingkat
rinci pikeun alesan etika atawa légal. Lamun hiji parusahaan keur mintonkeun i
pagawe patali ka zat picilakaeun aya butuh dati
lengkep sareng permanén. Lamun hiji pausahaan ngahasilkeun produk anu
ngalibatkeun kaamanan umum, naon bagian tina pesawat, aya
kabutuhan pikeun dati rinci permanén, kitu ogé lamun hiji pausahaan
nyieun kontrak bahaya.
Perusahaan teu tiasa mampuh mopohokeun alesan khusus
salila sababaraha taun ka hareup, dina acara gugatan a, ngelingan a, a
cacad konstruksi dibantah, jsb. paparan pausahaan
bisa jadi badag. Hasilna aya tipe unik tina dati
katelah data detil permanén.
SUMMARY
Un data gudang eta mangrupa obyék berorientasi, terpadu, varian tina
waktos, kumpulan dati non-volatile dina ngarojong kaperluan
kaputusan administrasi. Unggal fitur nonjol tina
un data gudang miboga implikasi. Katambah aya opat
tingkatan tina dati éta data gudang:
▪ Rincian heubeul
▪ Rincian ayeuna
▪ Dati rada diringkeskeun
▪ Dati kacida diringkeskeun
Metadata ogé mangrupa bagian penting tina data gudang.
ABSTRAK
Konsep neundeun tina dati nembe nampi
loba perhatian sarta eta jadi trend di taun 90an
alatan kamampuh a data gudang pikeun nungkulan éta
watesan sistem rojongan manajemén kayaning i
sistem rojongan kaputusan (DSS) jeung sistem informasi
eksekutif (EIS).
Sanajan konsép tina data gudang Sigana ngajangjikeun,
ngalaksanakeun i data gudang bisa jadi masalah sabab
prosés gudang skala badag. Sanajan éta
pajeulitna proyék gudang dati, loba suppliers
jeung konsultan anu stock dati aranjeunna ngaku éta
neundeun tina dati hadir euweuh masalah.
Sanajan kitu, dina mimiti proyék panalungtikan ieu, ampir euweuh
panalungtikan anu mandiri, ketat sareng sistematis parantos dilaksanakeun. Ti
Akibatna hese ngomong, naon sabenerna kajadian
di industri nalika aranjeunna ngawangun data gudang.
Panaliti ieu ngajalajah prakték gudang dati
contemporaries anu boga tujuan pikeun ngamekarkeun pamahaman richer
tina prakték Australia. Tinjauan pustaka nyadiakeun
kontéks jeung dasar pikeun ulikan empiris.
Aya sababaraha hasil tina ieu panalungtikan. kahiji
tempat, ulikan ieu ngungkabkeun kagiatan anu lumangsung
salila pangwangunan data gudang. Dina loba wewengkon, i dati ngumpul
dikonfirmasi prakték dilaporkeun dina literatur. Kadua
situs, masalah sareng masalah anu tiasa dipangaruhan
Pamekaran data gudang diidéntifikasi ku ieu panalungtikan.
Tungtungna, kauntungan anu dicandak tina organisasi Australia anu aya hubunganana
pamakéan data gudang geus wangsit.
Bab 1
Konteks pilarian
Konsep gudang data geus narima ditampa nyebar
paparan jeung geus robah jadi trend munculna di
90-an (McFadden 1996, TDWI 1996, Shah jeung Milstein 1997,
Shanks jeung sajabana. 1997, Eckerson 1998, Adelman jeung Oates 2000). nyaeta
bisa ditempo tina ngaronjatna jumlah artikel dina data
gudang dina publikasi dagang (Little and Gibson 1999).
Seueur tulisan (tingali, contona, Fisher 1995, Hackathorn 1995,
Morris 1995a, Bramblett jeung Raja 1996, Graham et al. 1996,
Sakaguchi jeung Frolick 1996, Alvarez 1997, Brousell 1997, Clarke
1997, McCarthy 1997, O'Donnell 1997, Edwards 1998, TDWI
1999) geus ngalaporkeun kauntungan signifikan pikeun organisasi
nu ngalaksanakeun i data gudang. Aranjeunna ngarojong téori maranéhanana
kalawan bukti anecdotal of implementations suksés, balik tinggi
on inohong investasi (ROI) jeung, oge, nyadiakeun hidayah ti
rujukan atawa metodologi pikeun ngembangkeun data gudang
(Shanks dkk. 1997, Seddon and Benjamin 1998, Little and Gibson
1999). Dina kasus ekstrim, Graham et al. (1996) geus
dilaporkeun rata balik dina investasi tilu taun 401%.
Loba literatur ayeuna, kumaha oge, geus overlooked nu
complexities aub dina ngalakonan proyék misalna. Proyék tina
data gudang biasana kompleks sareng ageung skala na
kituna aranjeunna imply kamungkinan luhur gagal lamun henteu
dipariksa taliti (Shah jeung Milstein 1997, Eckerson 1997,
Foley 1997b, Zimmer 1997, Bort 1998, Gibbs sareng Clymer 1998, Rao
1998). Aranjeunna ngabutuhkeun jumlah ageung sumber daya manusa sareng manusa
finansial sarta waktu jeung usaha pikeun ngawangun éta (Hill 1998, Crofts 1998). The
waktos has sarta hartosna finansial diperlukeun téh mungguh tina
sakitar dua taun sareng dua atanapi tilu juta dolar (Braly 1995, Foley
1997b, Bort 1998, Humphries dkk. 1999). Kali ieu sareng hartosna
instrumen finansial diperlukeun pikeun ngadalikeun sarta konsolidasi loba aspék
béda ti gudang data (Cafasso 1995, Hill 1998). Ka sisi
tina hardware jeung software tinimbangan, fungsi séjén, nu rupa-rupa
ti ékstraksi tina dati kana prosés loading tina datiti
kapasitas memori pikeun ngatur apdet sarta méré meta dati
pikeun latihan pamaké, kudu dianggap.
Dina waktu ieu proyék panalungtikan dimimitian, aya pisan saeutik
panalungtikan akademik dilakukeun dina widang gudang data,
utamana di Australia. Ieu dibuktikeun ku kakurangan barang
diterbitkeun dina gudang data ku koran atawa kitab suci lianna
akademisi jaman harita. Seueur tulisan akademik
sadia digambarkeun pangalaman AS. Kurangna
panalungtikan akademik di gudang data wewengkon sl geus ngabalukarkeun
diperlukeun panalungtikan rigorous jeung studi empiris (McFadden 1996,
Shanks jeung sajabana. 1997, Saeutik jeung Gibson 1999). Hususna, studi
panalungtikan ngeunaan prosés palaksanaan data gudang
perlu dilakukeun pikeun ngalegaan pangaweruh
umum ngeunaan palaksanaan data gudang e
bakal dijadikeun dadasar pikeun ulikan panalungtikan kahareup (Shanks ed
batur. 1997, Saeutik jeung Gibson 1999).
Ku kituna, tujuan tina ieu panalungtikan nya éta pikeun mikanyaho naon anu sabenerna
Éta kajadian nalika organisasi ngajaga sareng ngagunakeun data
gudang di Australia. Sacara husus, ulikan ieu bakal ngalibetkeun
analisis sakabéh prosés pangwangunan a data gudang,
dimimitian ti inisiasi jeung desain ngaliwatan desain jeung
palaksanaan sarta pamakéan saterusna dina organisasi
Australia. Salaku tambahan, pangajaran ogé bakal nyumbang kana prakték ayeuna
ngaidentipikasi daérah dimana praktékna tiasa langkung jauh
ningkat jeung inefficiencies jeung resiko bisa minimal atawa
dijauhan. Saterusna, éta bakal dijadikeun dadasar pikeun studi séjén dina data gudang in
Australia sarta bakal ngeusian gap nu ayeuna aya dina sastra.
Patarosan panalungtikan
Tujuan tina ieu panalungtikan nya éta pikeun ngulik kagiatan-kagiatan anu aya patalina
dina palaksanaan data gudang sarta pamakéan maranéhanana ku
organisasi Australia. Hususna, unsur-unsur anu ditalungtik
ngeunaan perencanaan proyék, pangwangunan, al
operasi, pamakéan sarta resiko aub. Ku kituna patarosan
tina ieu panalungtikan nya éta:
“Kumaha prak-prakanana ayeuna teh data gudang di Australia?"
Pikeun ngaréspon sacara efektif kana masalah ieu, a
jumlah patarosan panalungtikan tambahan. Hususna, tilu
sub-patarosan geus diidentifikasi tina literatur, nyaeta
Dipidangkeun dina bab 2, pikeun panduan ieu panalungtikan:
Kumaha dilaksanakeun i data gudang ku organisasi
Australia? Naon masalah anu disanghareupan?
Naon kauntungan anu dialaman?
Dina ngajawab patarosan ieu, gambar dipaké
panalungtikan éksplorasi anu ngagunakeun hiji panalungtikan. Kumaha kuring diajar
éksplorasi, jawaban kana patarosan di luhur teu lengkep
(Shanks dkk. 1993, Denscombe 1998). Dina hal ieu, éta
Triangulasi diperyogikeun pikeun ningkatkeun réspon kana ieu
pamundut. Sanajan kitu, panalungtikan bakal nyadiakeun yayasan padet pikeun
karya hareup examining patarosan ieu. A lengkep
diskusi ngeunaan justifikasi métode panalungtikan jeung desain
dibere dina bab 3.
Struktur proyék panalungtikan
Proyék ieu panalungtikan dibagi jadi dua bagian: ulikan kontekstual
tina konsép gudang data sareng panalungtikan empiris (tingali
Gambar 1.1), anu masing-masing dibahas di handap.
Bagian I: Ulikan Kontékstual
Bagian kahiji tina panalungtikan diwangun dina review ngeunaan
Literatur ayeuna ngeunaan rupa-rupa jinis gudang data kaasup i
sistem rojongan kaputusan (DSS), sistem informasi
executives (EIS), studi kasus ngeunaan data gudang jeung konsép titimangsa
gudang. Ogé, hasil tina forum on data gudang sareng dewa
grup pasamoan pikeun ahli sarta profésional dipingpin ku grup tina
Monash DSS panalungtikan, nyumbang kana fase ieu pangajaran
anu dimaksud pikeun meunangkeun informasi ngeunaan prak-prakan data
gudang sarta pikeun ngaidentipikasi resiko aub dina nyoko maranéhna.
Salila periode ieu ulikan kontekstual, pamahaman
wewengkon masalah geus ngadegkeun nyadiakeun pangaweruh ngeunaan
dasar pikeun panalungtikan empiris saterusna. Sanajan kitu, ieu
mangrupa prosés anu lumangsung salila panalungtikan dilaksanakeun
panalungtikan.
Bagian II: Panalungtikan émpiris
Konsep kawilang anyar data warehousing, utamana
di Australia, geus dijieun kudu ngalaksanakeun hiji panalungtikan pikeun
meunang gambaran lega tina pangalaman ngagunakeun. Ieu
bagian ieu dipigawé sakali domain masalah éta
ditetepkeun ngaliwatan tinjauan literatur éksténsif. Konsep
tina format data-warehousing salila fase ulikan kontekstual nyaeta
digunakeun salaku input kana angkét awal ieu panalungtikan.
Sanggeus éta, éta angkét ditalungtik. Anjeun ahli tanggal
gudang milu dina tés. Tujuan tina nguji éta
kuesioner awal pikeun mariksa kalengkepan sareng katepatan
sababaraha patarosan. Dumasar kana hasil tés, angkét téh
parantos diédit sareng versi anu diédit parantos dikirim ka
pamilon survéy. Questionnaires balik lajeng éta
dianalisis pikeun i dati dina tabel, diagram, sareng format anu sanés. THE
hasil analisis tina dati ngabentuk snapshot tina
prakték gudang data di Australia.
IKHTISAR DATA GUDANG
Konsep gudang data geus mekar kalawan perbaikan
tina téhnologi komputer.
Tujuanana pikeun ngungkulan pasualan-pasualan anu karandapan ku kelompok
rojongan aplikasi kayaning Decision Support System (DSS) e
Sistem Émbaran Eksekutif (EIS).
Baheula halangan pangbadagna ti aplikasi ieu geus
henteu mampuh aplikasi ieu nyadiakeun a basis data
diperlukeun pikeun analisis.
Ieu lolobana disababkeun ku alam pakasaban
kapamimpinan. Kapentingan manajemén hiji pausahaan rupa-rupa
terus gumantung kana wewengkon dirawat. Ku kituna i dati
dasar pikeun aplikasi ieu kedah tiasa
robah gancang gumantung kana bagian nu bakal dirawat.
Ieu ngandung harti yén i dati kudu sadia dina formulir
nyukupan pikeun analisis diperlukeun. Kanyataanna, grup rojongan ti
aplikasi kapanggih loba kasusah nu geus kaliwat pikeun ngumpulkeun ed
ngahijikeun dati ti sumber kompléks jeung rupa-rupa.
Sésana bagian ieu presents tinjauan konsép
gudang data jeung kumaha nu data gudang bisa ngaleuwihan nu
Masalah Grup Rojongan Aplikasi.
Istilah "Gudang Datadirilis ku William Inmon taun 1990.
definisi na sering-dicutat nilik kana Gudang Data datang
kumpulan tina dati subyek-berorientasi, terpadu, non-volatile, sarta variabel
kana waktosna, pikeun ngadukung kaputusan manajemén.
Ngagunakeun harti ieu Inmon nunjuk kaluar yén i dati warga
dijero data gudang kudu mibanda ieu di handap 4
ciri:
▪ Berorientasi subyek
▪ Terpadu
▪ Non volatile
▪ Variabel kana waktu
Ku poko-berorientasi Inmon hartina i dati dina tanggal
gudang di wewengkon organisasi pangbadagna nu geus
didefinisikeun dina modél dati. Contona sadayana dati ngeunaan i konsumén
anu dikandung dina wewengkon subjek konsumén. Nya kitu sadayana
dati patali jeung produk anu dikandung dina wewengkon subjek
PRODUK.
Ku Integrated Inmon hartina i dati datangna ti béda
platform, sistem jeung lokasi digabungkeun jeung disimpen dina
ngan tempat. Balukarna dati sarupa kudu dirobah
dina format konsisten pikeun ditambahkeun jeung dibandingkeun
gampang.
Contona diwakilan gender lalaki jeung awewe
ku hurup M sareng F dina hiji sistem, sareng 1 sareng 0 dina sistem anu sanés. Pikeun
ngahijikeun aranjeunna dina cara anu leres, salah sahiji atanapi duanana format kedah
dirobah jadi dua format anu sarua. Dina ieu
bisi urang bisa ngarobah M jadi 1 jeung F jadi 0 atawa sabalikna. Orientkeun diri ka
subjék jeung Integrated nunjukkeun yén data gudang dirancang pikeun
nyadiakeun visi fungsional jeung transversal tina dati kumisan
pausahaan.
Ku Non-volatile anjeunna hartina i dati nel data gudang tetep
konsisten tur ngamutahirkeun tina dati teu perlu. Gantina, unggal
robah dina dati originals ditambahkeun kana database tina titimangsa
gudang. Ieu ngandung harti yén sejarawan teh dati anu dikandung dina
data gudang.
Pikeun Variabel kalawan waktu Inmon nunjukkeun yén i dati nel data gudang
salawasna ngandung indikator témpo ei dati Tipe
menjangkau cakrawala waktu nu tangtu. Contona a
data gudang tiasa ngandung 5 taun nilai sajarah konsumén dal
1993 nepi ka 1997. Kasadiaan sajarah jeung runtuyan waktu
ti dati ngidinan Anjeun pikeun nganalisis tren.
Un data gudang anjeunna tiasa ngumpulkeun sorangan dati ti sistem
OLTP; ti asal dati jaba ka organisasi jeung / atawa ku husus sejenna
proyék sistem newak dati.
I dati ekstrak bisa ngaliwatan prosés beberesih, dina
kasus ieu i dati aranjeunna dirobah sarta terpadu saméméh mahluk
disimpen di database éta data gudang. Lajeng, abdi dati
residing dina database éta data gudang dijieun sadia
aksés pamaké tungtung sarta parabot recovery. Ngagunakeun
alat ieu pamaké tungtung bisa ngakses view terpadu
tina organisasi dati.
I dati residing dina database éta data gudang sare
disimpen dina format lengkep sareng kasimpulan.
Tingkat kasimpulan tiasa gumantung kana sifat tina dati. abdi dati
wincik bisa diwangun ku dati ayeuna jeung dati ahli sajarah
I dati nyata teu kaasup kana data gudang dugi ka abdi dati
nel data gudang anu ulang diropéa.
Salian ti nyimpen éta dati sorangan, a data gudang tiasa oge
nyimpen jenis béda tina dato disebut METADATA kang
ngajelaskeun i dati dumuk di na database.
Aya dua jinis metadata: metadata pamekaran sareng ku metadata
nganalisa.
Metadata pamekaran dianggo pikeun ngatur sareng ngajadikeun otomatis
ékstraksi, beberesih, pemetaan jeung prosés loading dati nel
data gudang.
Inpormasi anu aya dina metadata pangembangan tiasa ngandung
rinci ngeunaan sistem operasi, rinci ngeunaan elemen nimba, éta
modol dati éta data gudang jeung aturan pausahaan pikeun
konvérsi dei dati.
Tipe kadua metadata, katelah analytics metadata
ngamungkinkeun pamaké ahir ngajajah eusi data
gudang pikeun manggihan nu dati sadia tur naon maranéhna hartosna dina istilah
jelas jeung non-teknis.
Kituna analytics metadata jalan salaku sasak antara data
gudang sareng aplikasi pangguna akhir. Metadata ieu tiasa
ngandung model bisnis, déskripsi ngeunaan dati koresponden
kana modél bisnis, patarosan sareng laporan anu tos ditetepkeun,
inpormasi pikeun aksés pangguna sareng indéks.
Analisis sareng metadata pamekaran kedah digabungkeun janten hiji
ngawadahan metadata terpadu pikeun fungsina leres.
Hanjakalna, seueur alat-alat anu aya gaduhna sorangan
metadata jeung ayeuna aya euweuh standar nu
ngidinan parabot gudang data pikeun ngahijikeun ieu
metadata. Pikeun ubar kaayaan ieu loba padagang tina
parabot gudang data utama geus kabentuk Meta Data
Déwan anu saterusna jadi Meta Data Coalition.
Tujuan koalisi ieu pikeun ngawangun set metadata
standar anu ngamungkinkeun parabot gudang data béda pikeun
ngarobah metadata
Usaha maranéhanana nyababkeun kalahiran Meta
Data Interchange Spésifikasi (MDIS) nu bakal ngidinan bursa
inpormasi antara arsip Microsoft sareng file MDIS anu aya hubunganana.
Ayana dati duanana diringkeskeun / indéks jeung rinci méré
pamaké kamungkinan pikeun ngalaksanakeun DRILL DROWN
(pangeboran) hayu dati indéks kana leuwih lengkep jeung sabalikna.
Ayana dati sajarah lengkep ngamungkinkeun kreasi tina
analisis trend kana waktu. Sajaba metadata analisis bisa
dipaké salaku diréktori tina database éta data gudang per
mantuan pamaké tungtung maluruh i dati diperlukeun.
Dibandingkeun sareng sistem OLTP, kalayan kamampuan ngadukung
analisis tina dati jeung ngalaporkeun, éta data gudang eta ditempo salaku sistem
leuwih luyu pikeun prosés informasi saperti nyieun jeung
ngabales patarosan sareng ngahasilkeun laporan. Bagian salajengna
bakal nyorot bédana dua sistem sacara rinci.
GUDANG DATA Ngalawan OLTP SYSTEMS
Loba sistem informasi dina organisasi
Éta dimaksudkeun pikeun ngadukung operasi sapopoé. Ieu
sistem katelah OLTP SYSTEMS, newak transaksi
terus diropéa poean.
I dati dina sistem ieu aranjeunna mindeng dirobah, ditambahkeun atawa
dipupus. Contona, alamat customer urang bieu robah
manéhna pindah ti hiji tempat ka nu sejen. Dina hal ieu alamat anyar
bakal didaptarkeun ku modifying widang alamat tina database.
Tujuan utama sistem ieu nyaéta pikeun ngirangan biaya
transaksi sarta sakaligus ngurangan kali processing.
Conto Sistem OLTP kalebet tindakan kritis sapertos nyerat
akuntansi pesenan, gaji, invoices, manufaktur, jasa ai konsumén.
Teu kawas sistem OLTP, nu dijieun per prosés
dumasar kana transaksi jeung acara, abdi data gudang maranéhanana dijieun
nyadiakeun pangrojong kana prosés basis analytics tina dati nyaéta U
prosés kaputusan.
Ieu biasana dihontal ku ngahijikeun i dati ti sagala rupa sistem
OLTP sareng éksternal dina "wadah" tunggal. dati, sakumaha dibahas
dina bagian saméméhna.
Modél Prosés Warehousing Data Monash
Modél prosés pikeun data gudang Monash dikembangkeun ku
peneliti ti Monash DSS Panalungtikan Grup, dumasar kana
sastra ti data gudang, dina pangalaman dina ngarojong nu
ngembangkeun widang sistem, on diskusi jeung ngical paralatan tina
aplikasi pikeun pamakéan dina data gudang, dina grup ahli
dina pamakéan data gudang.
Fase-fasena nyaéta: Inception, Planning, Development, and Operations
Katerangan. Diagram ngajelaskeun sifat iterative atawa
perkembangan évolusionér a data gudang prosés ngagunakeun
panah dua arah disimpen antara fase béda. Dina ieu
Kontéks "iteratif" sareng "évolusionér" hartosna yén, unggal
léngkah tina prosés, kagiatan palaksanaan bisa dipigawé
salawasna propagate mundur nuju fase saméméhna. Ieu
alatan sipat proyék a data gudang di mana
requests tambahan timbul iraha wae
tina pamaké tungtung. Contona, salila fase ngembangkeun a
prosés tina data gudang, hiji dipénta ku pamaké tungtung
dimensi anyar atawa wewengkon subjék, nu teu kagolong kana
rencana aslina, ieu kudu ditambahkeun kana sistem. Ieu
ngabalukarkeun parobahan dina proyék. hasilna nyaeta tim ti
desain kudu ngarobah sarat tina dokumén dijieun jadi jauh
salila fase desain. Dina loba kasus, kaayaan kiwari
proyék kudu balik deui ka fase desain dimana
pamundut anyar kudu ditambahkeun jeung documented. pamaké
final kudu bisa ningali dokuméntasi husus reviewed na i
parobahan anu dilakukeun dina tahap pangwangunan. Dina ahir
siklus ngembangkeun ieu proyék kudu meunang eupan balik hébat ti
duanana tim, tim ngembangkeun sarta tim pamaké. THE
eupan balik lajeng dipaké deui pikeun ngaronjatkeun hiji proyék hareup.
Perencanaan kapasitas
Dw condong jadi kacida gedéna dina ukuran jeung tumuwuh
gancang pisan (Best 1995, Rudin 1997a) di handap ieu
jumlah tina dati sajarah anu aranjeunna tetep tina durasi maranéhanana. Tuh
tumuwuh ogé bisa disababkeun ku dati item tambahan dipénta ku
pamaké pikeun ngaronjatkeun nilai tina dati yen aranjeunna geus boga. Ti
akibatna, sarat gudang pikeun dati tiasa
ditingkatkeun sacara signifikan (Eckerson 1997). Kitu deui
penting pikeun mastikeun, ku ngalakonan perencanaan tina
kapasitas, nu sistem bakal diwangun bisa tumuwuh kalawan
tumuwuhna kabutuhan (Best 1995, LaPlante 1996, Lang 1997,
Eckerson 1997, Rudin 1997a, Foley 1997a).
Dina perencanaan pikeun scalability dw, hiji kudu nyaho
diperkirakeun tumuwuh dina ukuran inventory, jenis patarosan
kamungkinan dilaksanakeun, sareng jumlah pangguna akhir anu dirojong (Best
1995, Rudin 1997b, Foley 1997a). Ngawangun aplikasi scalable
merlukeun kombinasi téknologi jeung téhnik server scalable
tina ngarancang aplikasi scalable (Best 1995, Rudin 1997b.
Duanana diperlukeun nalika nyieun hiji aplikasi
pisan scalable. Téknologi server Scalable tiasa
nyieun gampang tur mangpaat pikeun nambahkeun gudang, memori sareng
CPU tanpa kinerja ngahinakeun (Lang 1997, Telephony 1997).
Aya dua téknologi pangladén scalable utama: komputasi
sababaraha simetris (SMP) jeung processing masif
paralel (MPP) ) (IDC 1997, Humphries et al. 1999). Hiji server
SMP biasana gaduh sababaraha prosesor anu ngabagi hiji mémori,
Sistim beus jeung sumber sejenna (IDC 1997, Humphries et al. 1999).
prosesor tambahan bisa ditambahkeun pikeun augmentation
milikna kakuatan komputasi. Métode séjén pikeun ngaronjatkeun
kakuatan kakuatan komputasi tina server SMP, nyaéta ngagabungkeun sababaraha
mesin SMP. Téhnik ieu katelah clustering (Humphries
jeung sajabana. 1999). Hiji server MPP, di sisi séjén, boga sababaraha prosesor unggal
kalawan memori sorangan, sistem beus jeung sumber sejenna (IDC 1997,
Humphries et al. 1999). Unggal prosésor disebut titik. A
kanaékan kakuatan komputasi tiasa didapet
nambahkeun titik tambahan kana server MPP (Humphries et al.
1999).
Kelemahan server SMP nyaéta seueur teuing operasi input-output
(I / O) tiasa congest sistem beus (IDC 1997). Ieu
masalah teu lumangsung dina server MPP saprak unggal
processor boga sistem beus sorangan. Sanajan kitu, interconnections
antara unggal titik aranjeunna umumna leuwih laun ti sistem beus
ti SMP. Salaku tambahan, server MPP tiasa nambihan lapisan
pajeulitna tambahan pikeun pamekar aplikasi (IDC
1997). Ku kituna, pilihan antara server SMP jeung MPP bisa dipangaruhan
ku loba faktor, kaasup pajeulitna patarosan, hubungan
harga / kinerja, kapasitas perlakuan diperlukeun, éta
dicegah aplikasi dw jeung kanaékan ukuranana database
tina dw jeung dina jumlah pamaké tungtung.
Sababaraha téknik desain aplikasi scalable
bisa dipaké dina perencanaan kapasitas. Hiji
ngagunakeun sababaraha période béwara sapertos dinten, minggu, bulan sareng taun.
Ngabogaan rupa-rupa période béwara, éta database bisa dibagi kana
potongan dikelompokkeun babarengan gampang (Inmon et al. 1997). Hiji deui
Téhnik nya éta ngagunakeun tabel ringkesan anu diwangun
nyimpulkeun dati da dati detil. Ku kituna, i dati summaries leuwih
kompak ti detil, nu merlukeun kirang spasi memori.
Jadi éta dati detil bisa disimpen dina hiji unit
gudang langkung mirah, nu ngaheéat malah leuwih gudang.
Sanajan ngagunakeun tabel kasimpulan bisa ngahemat spasi
memori, aranjeunna merlukeun loba usaha pikeun tetep nepi ka tanggal jeung di
saluyu jeung kabutuhan komérsial. Sanajan kitu, téhnik ieu téh
loba dipaké sarta mindeng dipaké ditéang jeung téhnik
saméméhna(Best 1995, Inmon 1996a, Chauduri jeung Dayal
1997).
Ngartikeun Gudang Data teknis
Arsitéktur Harti téhnik
dw arsitéktur
adopters mimiti gudang data utamana katimu
a palaksanaan terpusat tina dw nu sagala dati, kaasup
i dati éksternal, dihijikeun kana hiji,
gudang fisik (Inmon 1996a, Bresnahan 1996, Merak 1998).
Kauntungan utama tina pendekatan ieu nyaéta pangguna akhir
Abdi tiasa ngaksés pandangan dina skala wirausaha
(pandangan lega perusahaan) dei dati organisasi (Ovum 1998). Lian
kauntungan téh nya éta nawarkeun standarisasi tina dati ngaliwatan
organisasi, nu hartina aya ngan hiji versi atawa
harti pikeun tiap terminologi dipaké dina deposit dw
(Reposity) metadata (Flanagan jeung Safdie 1997, Ovum 1998). The
disadvantage pendekatan ieu, di sisi séjén, nya éta mahal jeung hésé
bakal diwangun (Flanagan jeung Safdie 1997, Ovum 1998, Inmon et al.
1998). Teu lila sanggeus arsitéktur gudang dati
terpusat janten populér, konsép ékstraksi mekar
tina subset pangleutikna tina dati pikeun ngarojong kaperluan
aplikasi husus (Varney 1996, IDC 1997, Berson jeung Smith
1997, merak 1998). Sistem leutik ieu diturunkeun tina langkung
Grande data gudang terpusat. Aranjeunna disebut tanggal
gudang departemén gumantung atawa marts data gumantung.
Arsitéktur data mart gumantung katelah
arsitektur tilu-tiered dimana tingkat kahiji diwangun ku data
gudang terpusat, kadua diwangun ku gudang dati
departmental jeung katilu diwangun ku aksés ka dati jeung tina parabot tina
analisis (Demarest 1994, Inmon et al. 1997).
Data mart biasana diwangun saatosna data gudang
terpusat ieu diwangun pikeun minuhan kaperluan
unit husus (White 1995, Varney 1996).
toko Data marts i dati pisan relevan patali jeung particulars
kamanunggalan (Inmon et al. 1997, Inmon et al. 1998, IA 1998).
Kauntungannana metoda ieu nyaeta moal aya dato teu
terpadu jeung nu i dati aranjeunna bakal kirang kaleuleuwihan dina data
marts saprak sadayana dati datangna ti deposit tina dati terpadu.
Kauntungan sejen nyaeta bakal aya sababaraha sambungan antara tiap
data mart jeung sumber patali dati sabab unggal data mart ngan boga
sumber tina dati. Ditambah ku arsitéktur ieu tempatna, para pangguna
final masih bisa ngakses gambaran ngeunaan dati
organisasi perusahaan. Metoda ieu dipikawanoh salaku
metode top-down, dimana data marts diwangun saatos data
gudang (merak 1998, Goff 1998).
Ngaronjatna kudu némbongkeun hasil mimiti, sababaraha
organisasi geus dimimitian ngawangun mart data mandiri
(Flanagan jeung Safdie 1997, Bodas 2000). Dina hal ieu, data mart
aranjeunna nyandak milikna dati lempeng tina dasar tina dati OLTP teu ti
panyimpenan terpusat sarta terpadu, sahingga ngaleungitkeun kabutuhan pikeun
gaduh panyimpenan sentral dina situs.
Unggal data mart merlukeun sahanteuna hiji link ka sumber na
di dati. Hiji disadvantage ngabogaan sababaraha tumbu pikeun tiap tanggal
mart éta, dibandingkeun jeung dua arsitéktur saméméhna, éta
overabundance tina dati ngaronjat sacara signifikan.
Unggal data mart kedah nyimpen sadayana dati dipénta lokal pikeun
teu boga pangaruh dina sistem OLTP. Ieu ngabalukarkeun yén i dati
aranjeunna disimpen dina data mart béda (Inmon et al. 1997).
disadvantage sejen arsitéktur ieu téh nya éta ngabalukarkeun
nyiptakeun interkonéksi anu kompleks antara data mart sareng aranjeunna
sumber tina dati anu hese dilaksanakeun sareng dikontrol (Inmon ed
batur. 1997).
Karugian sanésna nyaéta pangguna akhir henteu tiasa ngawasa
ngakses tinjauan inpormasi perusahaan sakumaha i dati
tina data mart béda teu terpadu (Ovum 1998).
Acan disadvantage sejen nyaeta meureun aya leuwih ti hiji
harti pikeun tiap terminologi dipaké dina data marts eta dibangkitkeun
inconsistencies tina dati dina organisasi (Ovum 1998).
Sanajan kalemahan dibahas di luhur, data mart bebas
aranjeunna masih narik minat seueur organisasi (IDC 1997).
Salah sahiji faktor anu ngajantenkeun aranjeunna pikaresepeun nyaéta aranjeunna langkung gancang mekar
sarta merlukeun kurang waktu jeung sumberdaya (Bresnahan 1996, Berson e
Smith 1997, Ovum 1998). Sasuai, aranjeunna utamana ngawula
salaku proyék test nu bisa dipaké pikeun ngaidentipikasi
gancang kauntungan sareng / atanapi kasampurnaan dina proyék (Parsaye
1995, Braly 1995, Newing 1996). Dina hal ieu, bagian ti
laksana dina pilot project kudu leutik tapi penting
pikeun organisasi (Newing 1996, Mansell-Lewis 1996).
Ku examining prototipe, pamaké tungtung jeung administrasi bisa
mutuskeun pikeun neraskeun atanapi ngeureunkeun proyék éta (Flanagan sareng Safdie
1997).
Lamun kaputusan téh neruskeun, data marts pikeun séktor séjén
aranjeunna kedah diwangun hiji-hiji. Aya dua pilihan pikeun
pamaké tungtung dumasar kana kaperluan maranéhanana dina konstruksi data
matrs bebas: terpadu / federated jeung unintegrated (Ovum
1998)
Dina metoda kahiji, unggal data mart anyar kudu diwangun
dumasar kana pasar data sareng modél ayeuna dati dipaké
ku firma (Varney 1996, Berson and Smith 1997, Peacock 1998).
Kabutuhan pikeun ngagunakeun modél dati pausahaan ngajadikeun eta perlu
mastikeun yén aya ngan hiji harti pikeun tiap terminologi
dipaké ngaliwatan data marts, ieu ogé pikeun mastikeun yén data
Pasar anu béda tiasa dihijikeun pikeun masihan tinjauan
informasi perusahaan (Bresnahan 1996). Metoda ieu
disebut handap-up jeung pangalusna lamun aya konstrain on
sarana finansial jeung waktu (Flanagan jeung Safdie 1997, Ovum 1998,
merak 1998, Goff 1998). Dina metodeu kadua, data mart
diwangun ngan bisa nyugemakeun kaperluan hiji Unit husus.
Varian tina mart data federasi nyaéta data gudang disebarkeun
di mana anu database middleware server hub dipaké pikeun gabung loba
data marts dina gudang tunggal tina dati disebarkeun (White 1995). Di
kasus ieu, i dati perusahaan disebarkeun di sababaraha pasar data.
Paménta pangguna akhir diteruskeun ka database
middleware server hub, nu extracts sadayana dati dipénta ku data
marts sarta mulangkeun hasil ka aplikasi pamaké tungtung. Ieu
Metoda nyadiakeun informasi bisnis ka pamaké tungtung. Sanajan kitu,
Masalah data mart masih henteu dileungitkeun
mandiri. Aya deui arsitéktur anu tiasa dianggo nyaéta
nelepon ka data gudang maya (White 1995). Sanajan kitu, ieu
arsitéktur, anu dijelaskeun dina gambar 2.9, sanés arsitéktur
tina neundeun dati nyata sabab teu mindahkeun beban
ti sistem OLTP ka data gudang (Demarest 1994).
Kanyataanna, requests pikeun dati ku pamaké tungtung geus diliwatan leuwih kana
Sistem OLTP anu ngabalikeun hasil saatos ngolah
pamundut pamaké. Sanajan arsitéktur ieu ngamungkinkeun pamaké
final pikeun ngahasilkeun laporan sarta ngarumuskeun requests, teu bisa nyadiakeun i
dati sajarah sareng tinjauan inpormasi perusahaan saprak i dati
ti sistem OLTP béda teu terpadu. Tah, ieu
arsitéktur teu bisa nyugemakeun analisis dati kompléks kayaning
conto ramalan.
Pamilihan aksés sareng aplikasi aksés
recovery ti dati
Tujuan ngawangun a data gudang nyaéta ngirimkeun
inpormasi ka pangguna akhir (Inmon et al 1997, Poe 1996,
McFadden 1996, Shanks dkk 1997, Hammergren 1998); hiji atawa
sababaraha aksés sareng aplikasi pamulihan dati kudu disadiakeun. Ka
Kiwari, aya rupa-rupa aplikasi ieu pikeun pamaké pikeun milih ti
milih (Hammergren 1998, Humphries et al. 1999). The
aplikasi dipilih nangtukeun kasuksésan usaha
tina neundeun dati dina hiji organisasi sabab
aplikasi mangrupa bagian paling katempo tina data gudang ka pamaké
final (Inmon et al. 1997, Poe 1996). Pikeun suksés tanggal hiji
gudang, kudu bisa ngarojong kagiatan analisis tina dati
tina pamaké tungtung (Poe 1996, Seddon jeung Benjamin 1998, Eckerson
1999). Janten "tingkat" naon anu dipikahoyong ku pangguna akhir kedah janten
dicirikeun (Poe 1996, Mattison 1996, Inmon dkk 1997,
Humphries dkk. 1999).
Sacara umum, pangguna akhir tiasa dikelompokkeun kana tilu
kategori: pamaké eksekutif, analis bisnis jeung pamaké kakuatan (Poe
1996, Humphries dkk. 1999). Pamaké eksekutif peryogi
aksés gampang kana sét laporan anu tos ditetepkeun (Humphries ed
batur 1999). laporan ieu bisa dihontal gampang jeung
menu navigasi (Poe 1996). Tambih Deui, laporan kedah
nampilkeun informasi ngagunakeun representasi grafis
kayaning tabel sarta template pikeun gancang ngangkut
inpormasi (Humphries et al. 1999). Analis bisnis, anu henteu
aranjeunna bisa boga kamungkinan teknis pikeun ngembangkeun hubungan ti
enol sorangan, aranjeunna kedah tiasa ngaropea hubungan ayeuna ka
nyugemakeun kabutuhan husus maranéhanana (Poe 1996, Humphries et al
1999). Pamaké kakuatan, di sisi anu sanés, mangrupikeun jinis pangguna akhir anu
mibanda kamampuhan pikeun ngahasilkeun jeung nulis requests sarta laporan ti
nol (Poe 1996, Humphries et al. 1999). Maranehna anu
ngamekarkeun laporan pikeun tipe séjén pamaké (Poe 1996, Humphries
jeung sajabana 1999).
Sakali ditangtukeun sarat pamaké tungtung kudu dipigawé
pilihan aksés jeung aplikasi recovery dati diantara sadayana
nu sadia (Poe 1996, Inmon et al. 1997).
Aksés ka dati jeung alat dimeunangkeun bisa
digolongkeun kana 4 rupa: alat OLAP, alat EIS/DSS, alat query jeung
ngalaporkeun jeung alat data pertambangan.
Alat OLAP ngamungkinkeun para pangguna nyiptakeun patarosan ad hoc ogé
maranéhanana dijieun dina database éta data gudang. Ditambah produk ieu
ngidinan pamaké pikeun bor turun ti dati umum pikeun maranéhanana
detil.
Alat EIS / DSS nyayogikeun laporan eksekutif salaku analisis "kumaha upami".
jeung aksés ka laporan menu-diatur. Laporan kudu
tos siap sareng dihijikeun sareng ménu pikeun navigasi anu langkung gampang.
Alat query sareng ngalaporkeun ngamungkinkeun pangguna pikeun ngahasilkeun laporan
predefined tur husus.
parabot data mining dipaké pikeun ngaidentipikasi hubungan éta
bisa héd lampu anyar dina operasi poho dina dati éta
gudang data.
Salian ngaoptimalkeun sarat unggal jinis pangguna, i
Alat anu dipilih kedah intuitif, éfisién sareng gampang dianggo.
Éta ogé kudu cocog sareng bagian séjén arsitektur e
sanggup gawé bareng sistem anu aya. Éta ogé disarankeun pikeun
milih aksés data sareng alat panéangan kalayan harga sareng kinerja
wajar. Kriteria séjén anu kedah dipertimbangkeun kalebet komitmen tina
ngical paralatan dina ngadukung produkna sareng pamekaran éta
sami bakal aya dina rilis anu bakal datang. Pikeun mastikeun Dursasana pamaké
dina ngagunakeun gudang data, tim ngembangkeun ngalibatkeun nu
pamaké dina prosés pilihan alat. Dina hal ieu
assessment pamaké praktis kudu dilaksanakeun.
Pikeun ningkatkeun nilai gudang data tim pamekar tiasa
ogé nyadiakeun aksés web ka gudang data maranéhanana. A
Gudang data anu diaktipkeun wéb ngamungkinkeun para pangguna ngaksés éta dati
ti tempat terpencil atawa bari iinditan. Ogé informasi tiasa
disayogikeun dina biaya anu langkung handap ku cara ngirangan biaya
di latihan.
2.4.3 Gudang Data Fase Operasi
Fase ieu diwangun ku tilu kagiatan: Nangtukeun strategi tanggal
nyegerkeun, kadali kagiatan gudang data sarta manajemén ti
kaamanan gudang data.
Harti strategi refresh data
Saatos beban awal, abdi dati nel database tina gudang data
kudu refreshed périodik maén dina
parobahan dijieun dina dati aslina. Ku kituna urang kudu mutuskeun
lamun refresh, sabaraha sering teh
refresh na kumaha refresh teh dati. Disarankeun pikeun ngalakukeun
nyegerkeun dei dati lamun sistem bisa dicokot offline. Tuh
Laju refresh ditangtukeun ku tim pamekar dumasar
on sarat pamaké. Aya dua pendekatan pikeun nyegerkeun
gudang data: refresh lengkep jeung loading kontinyu tina
parobahan.
Pendekatan kahiji, refresh pinuh, merlukeun reloading
kabéh dati ti scratch. Ieu ngandung harti yén sakabéh dati diperlukeun kudu
jadi sasari, cleaned, robah jeung terpadu di unggal refresh. Ieu
pendekatan kedah, sajauh mungkin, dihindari sabab
Merlukeun loba waktu jeung sumber.
Hiji pendekatan alternatif nyaeta terus beban i
parobahan. Ieu nambihan i dati nu geus robah
saprak siklus refresh gudang data panungtungan. Idéntifikasi tina
rékaman anyar atawa dirobah nyata ngurangan jumlah
dati nu kudu disebarkeun ka gudang data di unggal
update saprak ngan ieu dati bakal ditambahkeun kana database
tina gudang data.
Sahenteuna aya 5 pendekatan anu tiasa dianggo pikeun mundur
i dati anyar atawa dirobah. Pikeun ménta hiji strategi efisien
nyegerkeun dei dati campuran pendekatan ieu tiasa mangpaat
nyokot sagala parobahan dina sistem.
Pendekatan kahiji, anu ngagunakeun timestamps, nganggap nu datang
ditugaskeun ka sadayana dati diédit sarta diropéa timestamp a jadi
pikeun gampang ngaidentipikasi sadayana dati dirobah sarta anyar.
pendekatan ieu, kumaha oge, teu acan loba dipaké di paling
bagian tina sistem operasi kiwari.
Pendekatan kadua ngagunakeun file délta dihasilkeun ku
hiji aplikasi nu ngandung ukur parobahan dijieun pikeun dati.
Ngagunakeun file ieu ogé amplifies siklus update.
Sanajan kitu, malah metoda ieu teu acan dipaké dina loba
aplikasi.
Pendekatan katilu nyaéta pikeun nyeken file log, anu
dasarna ngandung émbaran nu sarupa jeung file délta. Hiji-hijina
bédana nyaéta yén file log dijieun pikeun prosés recovery na
bisa jadi hésé ngarti.
Pendekatan kaopat nyaéta ngarobih kode aplikasi.
Sanajan kitu, lolobana kode aplikasi heubeul na
ripuh; kituna téhnik ieu kudu dihindari.
Pendekatan panungtungan nyaéta pikeun ngabandingkeun i dati sumber jeung file
dewa utama dati.
Ngawas kagiatan gudang data
Sakali gudang data geus dileupaskeun ka pamaké, éta
diperlukeun pikeun ngawas eta kana waktu. Dina hal ieu, administrator
tina gudang data bisa employ hiji atawa leuwih parabot manajemén jeung
kontrol pikeun ngawas pamakéan gudang data. Khususna
informasi ngeunaan jalma jeung cuaca bisa dikumpulkeun
nu aranjeunna ngakses gudang data. Kadieu dati pepelakan bisa dijieun
profil tina karya dipigawé nu bisa dipaké salaku input
dina ngalaksanakeun chargeback pamaké. The Chargeback
ngamungkinkeun pamaké bisa informed ngeunaan biaya ngolah éta
gudang data.
Saterusna, kontrol gudang data ogé bisa dipaké pikeun
nangtukeun jenis queries, ukuran maranéhanana, jumlah queries per
dinten, waktos respon kana pamundut, sektor ngahontal jeung kuantitas
di dati diolah. Tujuan sejen ngalakukeun cek tina
gudang data nyaéta pikeun ngaidentipikasi nu dati nu teu dipake. Ieu dati
aranjeunna tiasa dipiceun tina gudang data pikeun ningkatkeun waktos
tina respon palaksanaan query jeung kontrol tumuwuhna
dati anu cicing di jero basis data tina gudang data.
Manajemén kaamanan gudang data
A gudang data ngandung dati terpadu, kritis, sénsitip éta
tiasa dihontal kalayan gampang. Ku sabab kitu eta kudu
ditangtayungan tina pamaké nu teu sah. Hiji cara pikeun
ngalaksanakeun kaamanan nyaeta ngagunakeun fungsi del DBMS
pikeun napelkeun hak husus béda pikeun tipena béda pamaké. Dina ieu
jalan, profil kudu dijaga pikeun tiap jenis pamaké
aksés. Cara séjén pikeun ngamankeun gudang data anjeun nyaéta énkripsi
sakumaha ieu ditulis dina basis data tina gudang data. Aksés ka
dati jeung alat dimeunangkeun kudu ngadekrip teh dati sateuacan ngirimkeun i
hasilna ka pamaké.
2.4.4 Gudang Data Fase Panyebaran
Ieu fase panungtungan dina siklus palaksanaan gudang data. The
kagiatan anu baris dilaksanakeun dina ieu fase ngawengku palatihan ngeunaan
pamaké ngagunakeun gudang data sarta nyieun ulasan
tina gudang data.
palatihan pamaké
Pelatihan pangguna kedah dilakukeun heula
tina aksés ka dati tina gudang data jeung pamakéan parabot
dimeunangkeun. Sacara umum, sesi kudu dimimitian ku
bubuka kana konsép neundeun tina dati, To
eusi gudang data, ai meta dati jeung fitur dasar
tina parabot. Teras, pangguna anu langkung maju ogé tiasa diajar
tabél fisik sarta fitur pamaké aksés data jeung parabot
dimeunangkeun.
Aya seueur pendekatan pikeun ngalaksanakeun palatihan pangguna. Salah sahiji
ieu ngawengku pilihan loba pamaké atawa analis dipilih ku a
grup pamaké, dumasar kana kapamimpinan jeung kamampuhna
komunikasi. Ieu dilatih dina kapasitas pribadi on
sagalana aranjeunna peryogi kauninga pikeun jadi akrab jeung
sistem. Sanggeus latihan réngsé, maranéhna balik deui ka karya maranéhanana sarta
aranjeunna mimiti ngajarkeun pamaké séjén cara ngagunakeun sistem. Dina
dumasar kana naon geus aranjeunna diajar, pamaké séjén bisa ngamimitian
ngajalajah gudang data.
Pendekatan anu sanés nyaéta ngalatih seueur pangguna anu sami
waktos, saolah-olah anjeun nyokot kursus kelas. Metoda ieu
Éta cocog nalika seueur pangguna anu kedah dilatih
dina waktos anu sasarengan. Métode anu sanés nyaéta ngalatih
unggal pamaké individual, hiji-hiji. Metoda ieu
cocog lamun aya sababaraha pamaké.
Tujuan palatihan pangguna nyaéta pikeun familiarize anjeun
kalawan aksés ka dati jeung alat pameunteun ogé eusina
gudang data. Sanajan kitu, sababaraha pamaké bisa jadi overwhelmed
ku jumlah inpormasi anu disayogikeun salami sési
latihan. Janten sababaraha hal anu kedah dilakukeun
rojongan lumangsung sarta sesi refresher pikeun ngabales
kana patarosan husus. Dina sababaraha kasus, grup kabentuk
pamaké pikeun nyadiakeun jenis ieu rojongan.
Ngumpulkeun eupan balik
Sakali gudang data geus digulung kaluar, pamaké bisa
ngagunakeun i dati nu reside di gudang data pikeun sagala rupa kaperluan.
Lolobana, analis atawa pamaké ngagunakeun i dati nel
gudang data pikeun:
1 Identipikasi tren perusahaan
2 Nganalisis propil purchasing tina konsumén
3 Ngabagi i konsumén ed abdi
4 Nyadiakeun layanan pangalusna pikeun konsumén – ngaropéa jasa
5 Nyusun stratégi pamasaran
6 Nyadiakeun kutipan kalapa pikeun analisa biaya sareng bantosan
pangawasan
7 Rojongan strategis-pembuatan kaputusan
8 Identipikasi kasempetan pikeun nangtung kaluar
9 Ningkatkeun kualitas prosés bisnis ayeuna
10 Pariksa kauntungan
Nuturkeun arah ngembangkeun gudang data, maranéhna bisa
Ngalaksanakeun runtuyan ulasan sistem pikeun ménta eupan balik
boh ti tim pamekar boh ti masarakat
pamaké tungtung.
Hasil diala bisa dicokot kana tinimbangan pikeun
siklus ngembangkeun salajengna.
Kusabab gudang data gaduh pendekatan incremental,
Penting pikeun diajar tina kasuksésan sareng kasalahan anu sateuacana
kamajuan.
2.5 Ihtisar
Dina ieu bab geus dibahas pendekatan hadir dina
sastra. Dina bagian 1 konsép ieu dibahas
gudang data jeung peranna dina elmu kaputusan. Dina
bagian 2 béda utama antara
gudang data jeung sistem OLTP. Dina bagian 3 urang bahas
Modél gudang data Monash anu digunakeun
dina bagian 4 pikeun ngajelaskeun kagiatan aub dina prosés
ngembangkeun gudang data, theses ieu teu acan dumasar kana
panalungtikan rigorous. Naon kajadian dina kanyataanana tiasa
béda pisan jeung naon laporan literatur, tapi ieu
hasilna bisa dipaké pikeun nyieun bagasi dasar éta
ngantebkeun konsép data warehouse pikeun ieu panalungtikan.
Bab 3
Métode panalungtikan jeung desain
Bab ieu ngabahas métode panalungtikan jeung desain pikeun
ulikan ieu. Bagian kahiji nunjukkeun pandangan umum ngeunaan métode
panalungtikan sadia pikeun retrieving informasi, komo deui
kriteria keur milih métode pangalusna pikeun hiji dibahas
ulikan husus. Dua metode anu teras dibahas dina bagian 2
dipilih kalayan kritéria anu ditetepkeun; tina ieu bakal dipilih jeung
diadopsi hiji kalawan alesan diatur dina bagian 3 dimana aranjeunna
alesan pikeun pangaluaran tina kriteria séjén ogé dipedar. Tuh
bagian 4 presents desain panalungtikan sarta bagian 5 presents eta
kacindekan.
3.1 Panalungtikan dina sistem informasi
Panalungtikan dina sistem informasi henteu ngan saukur diwatesan
kana widang téhnologis tapi ogé kudu diperpanjang ngawengku
tujuan ngeunaan kabiasaan jeung organisasi.
Urang ngahutang ieu ka theses rupa-rupa disiplin mimitian ti
élmu sosial ka alam; ieu ngakibatkeun kabutuhan a
spéktrum tangtu métode panalungtikan ngalibetkeun métode kuantitatif
jeung kualitatif pikeun dipaké pikeun sistem informasi.
Sadaya metode panalungtikan anu aya penting, nyatana sababaraha
peneliti kayaning Jenkins (1985), Nunamaker et al. (1991), sarta Galliers
(1992) ngajawab yén teu aya métode universal husus
ngalaksanakeun panalungtikan dina sagala rupa widang sistem informasi; Leres pisan
métode bisa jadi cocog pikeun panalungtikan tangtu tapi henteu
keur batur. Ieu brings kami kudu milih metoda nu
cocog pikeun proyék panalungtikan khusus urang: pikeun ieu
pilihan Benbasat et al. (1987) nyatakeun yén aranjeunna kedah dipertimbangkeun
sipat jeung tujuan panalungtikan.
3.1.1 Hakekat panalungtikan
Rupa-rupa métode dumasar kana sipat panalungtikan bisa
digolongkeun kana tilu tradisi dipikawanoh lega dina elmu
inpormasi: positivist, interpretative sareng panalungtikan kritis.
3.1.1.1 Panalungtikan positivisme
Panalungtikan positivis ogé katelah ulikan ilmiah atawa
émpiris. Ieu nyoba: "ngajelaskeun jeung ngaduga naon anu bakal kajadian dina
dunya sosial ku ningali kateraturan sareng hubungan sabab-akibat
diantara unsur-unsur anu ngawangun éta "(Shanks et al 1993).
Panalungtikan positivis ogé dicirikeun ku repeatability,
simplifications sarta refutations. Saterusna, panalungtikan positivist ngaku
ayana hubungan apriori antara fénoména anu ditalungtik.
Nurutkeun Galliers (1992) taksonomi mangrupa métode panalungtikan
kaasup kana paradigma positivis, nu kumaha oge teu diwatesan ku ieu,
nyatana aya percobaan laboratorium, percobaan lapangan,
studi kasus, proofs teorema, prediksi jeung simulasi.
Ngagunakeun métode ieu peneliti ngaku yén fenomena
ditalungtik bisa dititénan sacara obyéktif jeung rigor.
3.1.1.2 Panalungtikan interpretasi
Panalungtikan interpretasi, nu sok disebut fénoménologi atawa
anti-positivisme digambarkeun ku Neuman (1994) salaku "analisis
sistematis tina harti sosial tindakan ngaliwatan langsung jeung
observasi lengkep jalma dina kaayaan alam, dina urutan
pikeun ngahontal pamahaman jeung interpretasi kumaha éta
jalma nyiptakeun sareng ngajaga dunya sosialna." Pangajaran
métode interpretatif nolak asumsi yén fenomena observasi
bisa dititénan sacara objektif. Kanyataanna aranjeunna dumasar
dina interpretasi subjektif. Saterusna, peneliti interpretive henteu
aranjeunna maksakeun hartos apriori kana fenomena anu aranjeunna diajar.
Metoda ieu ngawengku studi subjektif / argumentative, lampah tina
panalungtikan, studi deskriptif / interpretif, panalungtikan kahareup jeung kaulinan
peran. Salian ieu investigations sarta studi kasus tiasa
kaasup kana pendekatan ieu sabab patali jeung studi ngeunaan
individu atawa organisasi dina situasi kompléks
tina dunya nyata.
3.1.1.3 Panalungtikan kritis
Panaliti kritis mangrupikeun pendekatan anu paling henteu dipikanyaho dina élmu
sosial tapi nembe nampi perhatian ti peneliti
dina widang sistem informasi. Anggapan filosofis yén
realitas sosial sacara historis diproduksi sareng direproduksi ku jalma,
kitu ogé sistem sosial jeung aksi jeung interaksi maranéhanana. maranéhanana
pangabisa, kumaha oge, dimédiasi ku jumlah nu tangtu tinimbangan
sosial, budaya jeung pulitik.
Kawas panalungtikan interpretif, panalungtikan kritis mertahankeun yén
panalungtikan positivist boga nganggur teu jeung konteks sosial jeung ignores eta
pangaruhna kana lampah manusa.
Panalungtikan kritis, di sisi séjén, criticizes panalungtikan interpretive pikeun
jadi teuing subjektif jeung sabab teu boga tujuan pikeun mantuan
jalma pikeun ngaronjatkeun kahirupan maranéhanana. Beda pangbadagna antara
panalungtikan kritis jeung dua pendekatan sejenna nyaeta dimensi evaluative na.
Sedengkeun objéktivitas tradisi positivis jeung interpretatif nyaéta pikeun
ngaduga atawa ngajelaskeun status quo atawa realitas sosial, panalungtikan kritis
Tujuanana pikeun ngaevaluasi sacara kritis sareng ngarobih realitas sosial anu aya dina dasarna
studio.
peneliti kritis biasana ngalawan status quo guna
miceun béda sosial jeung ningkatkeun kaayaan sosial. Tuh
panalungtikan kritis boga komitmen ka view processual ngeunaan
fenomena dipikaresep tur, ku kituna, biasana longitudinal.
Conto métode panalungtikan nyaéta studi sajarah jangka panjang jeung
studi étnografi. panalungtikan kritis, kumaha oge, teu acan
loba dipaké dina panalungtikan sistem informasi
3.1.2 Tujuan Panalungtikan
Marengan sifat pilarian, tujuanana bisa dipaké
pikeun nungtun panalungtik dina milih métode nu tangtu
panalungtikan. Tujuan proyék panalungtikan raket patalina
kana posisi pilarian relatif ka siklus pilarian nu diwangun ku
tilu fase: wangunan téori, uji téori, jeung pemurnian téori
téori. Ku kituna, dumasar kana moméntum nu aya kaitannana ka siklus pilarian, a
proyék panalungtikan bisa mibanda hiji explanatory, deskriptif, tujuan
éksplorasi atawa prediksi.
3.1.2.1 Panalungtikan éksplorasi
Panalungtikan éksplorasi ditujukeun pikeun nalungtik hiji topik
sagemblengna anyar jeung ngarumuskeun patarosan panalungtikan sarta hipotesis
kahareup. Jenis ieu panalungtikan digunakeun dina pangwangunan
téori pikeun meunangkeun rujukan awal di wewengkon anyar.
Ilaharna, métode panalungtikan kualitatif, kayaning kasus, dipaké
studi fénoménologis atanapi studi fénoménologis.
Sanajan kitu, éta ogé mungkin migunakeun téhnik kuantitatif kayaning
panalungtikan éksplorasi atawa percobaan.
3.1.3.3 Maluruh déskriptif
Panalungtikan déskriptif miboga tujuan pikeun nganalisis jeung ngadéskripsikeun sabagian gedé
ngawincik kaayaan atawa prakték organisasi nu tangtu. Ieu
luyu pikeun wangunan téori sarta ogé bisa dipaké pikeun
mastikeun atawa ngabantah hipotesis. Panalungtikan déskriptif biasana
ngawengku pamakéan pangukuran jeung sampel. Métode panalungtikan anu paling cocog
ngawengku panalungtikan sarta analisis antecedents.
3.1.2.3 Panalungtikan éksplanasi
Panalungtikan explanatory nyoba ngajelaskeun naha hal lumangsung.
Éta diwangun dina kanyataan anu parantos ditaliti sareng nyobian mendakan
alesan pikeun kanyataan ieu.
Jadi panalungtikan explanatory biasana diwangun dina panalungtikan
éksplorasi atawa deskriptif sarta mangrupa ancillary pikeun nguji jeung pemurnian
téori-téori. Panalungtikan éksplanasi biasana ngagunakeun studi kasus
atawa métode panalungtikan dumasar survéy.
3.1.2.4 Panalungtikan preemptive
Panalungtikan preventif boga tujuan pikeun ngaduga kajadian jeung paripolah
dina observasi anu keur ditalungtik (Marshall jeung Rossman
1995). Prediksi mangrupikeun tés ilmiah standar bebeneran.
Jenis ieu panalungtikan umumna ngagunakeun survey atanapi analisa
dati ahli sajarah. (Yin 1989)
Diskusi di luhur nunjukkeun yén aya sababaraha
métode panalungtikan anu bisa digunakeun dina hiji panalungtikan
husus. Nanging, kedah aya metode khusus anu langkung cocog
batur pikeun jenis husus proyék panalungtikan. (Galliers
1987, Yin 1989, De Vaus 1991). Unggal panalungtik, kituna, boga
kudu taliti evaluate kaunggulan jeung kalemahan tina
rupa-rupa métode, nepi ka ngadopsi métode panalungtikan nu paling merenah e
cocog sareng proyék panalungtikan. (Jenkins 1985, Pervan sareng Klass
1992, Bonomia 1985, Yin 1989, Himilton jeung Ives 1992).
3.2. Métode pilarian mungkin
Tujuan tina proyék ieu pikeun diajar pangalaman dina
organisasi Australia kalawan i dati disimpen kalayan hiji
Pamekaran data gudang. Kanyataan nu, ayeuna, aya hiji
kurangna panalungtikan di daérah gudang data di Australia,
proyék panalungtikan ieu masih dina tahap téoritis siklus
panalungtikan sarta miboga tujuan éksplorasi. Ngajalajah pangalaman dina
Organisasi Australia ngadopsi gudang data
merlukeun interpretasi masarakat nyata. Akibatna, éta
asumsi filosofis anu aya dina proyék panalungtikan ieu di handap
interpretasi tradisional.
Saatos pamariksaan anu ketat ngeunaan metode anu sayogi, aranjeunna diidentifikasi
dua métode panalungtikan mungkin: survéy jeung studi kasus
(studi kasus), nu bisa digunakeun pikeun panalungtikan
éksplorasi (Shanks et al. 1993). Galliers (1992) boga pamadegan yén
kasaluyuan dua métode ieu pikeun ulikan husus ieu di
taksonomi na dirévisi nyebutkeun yen aranjeunna cocog pikeun konstruksi
téoritis. Dua subsection di handap ngabahas unggal métode dina
jéntré.
3.2.1 Métode panalungtikan survéy
Métode panalungtikan survéy asalna tina métode kuno
sénsus. Sénsus diwangun ku ngumpulkeun informasi ti
hiji sakabéh populasi. Metoda ieu mahal tur praktis
utamana lamun populasi badag. Janten, dibandingkeun sareng
sénsus, survey biasana museur kana
ngumpulkeun informasi pikeun sajumlah leutik, atawa sampel, tina
wawakil populasi (Fowler 1988, Neuman 1994). A
sampel ngagambarkeun populasi ti mana eta digambar, kalawan béda
tingkat akurasi, nurutkeun struktur sampel, éta
ukuran sareng metode pamilihan anu dianggo (Fowler 1988, Babbie
1982, Neuman 1994).
Métode panalungtikan dihartikeun salaku "snapshots prakték,
situasi atawa pintonan dina titik nu tangtu dina waktu, dilaksanakeun ngagunakeun
kuesioner atawa wawancara, nu bisa jadi inferensi
dijieun" (Galliers 1992: 153) [foto instan prakték,
kaayaan atawa pintonan dina titik nu tangtu dina waktu, dilaksanakeun ngagunakeun
kuesioner atawa wawancara, nu bisa dijieun inferensi]. The
panalungtikan patali jeung kumpulan informasi dina aspék tangtu
tina pangajaran, ku sababaraha pamilon, nyieun
patarosan (Fowler 1988). Komo ieu angkét jeung wawancara, nu
ngawengku telepon tatap muka jeung wawancara terstruktur,
nya éta téhnik ngumpulkeun tina dati paling umum dipaké dina
panalungtikan (Blalock 1970, Nachmias jeung Nachmias 1976, Fowler
1988), observasi jeung analisis bisa dipaké (Gable
1994). Tina sakabéh métode ieu ngumpulkeun teh dati, pamakéan
kuesioner teh téhnik nu pang populerna, sabab ensures yén i dati
dikumpulkeun téh terstruktur sarta formatna, sarta ku kituna mempermudah
klasifikasi informasi (Hwang 1987, de Vaus 1991).
Dina nganalisis i dati, strategi panalungtikan mindeng employs nu
téhnik kuantitatif, kayaning analisis statistik, tapi aranjeunna tiasa
téhnik kualitatif ogé dipaké (Galliers 1992, Pervan
jeung Kelas 1992, Gable 1994). Biasana mah dati dikumpulkeun téh
dipaké pikeun nganalisis distribusi jeung pola asosiasi
(Fowler 1988).
Sanajan survey umumna luyu pikeun panalungtikan
nu nungkulan patarosan 'naon?' (naon) atawa ti eta
deriving, kayaning 'sabaraha' jeung 'sabaraha', aranjeunna
tiasa ditaroskeun ku patarosan 'naha' (Sonquist sareng
Dunkelberg 1977, Yin 1989). Numutkeun Sonquist na Dunkelberg
(1977), panalungtikan panalungtikan boga tujuan pikeun hipotesis hésé, program of
meunteun, ngajéntrékeun populasi sarta ngamekarkeun model
paripolah manusa. Salaku tambahan, survey tiasa dianggo
pikeun nalungtik hiji pamadegan tangtu populasi, kaayaan,
pamadegan, ciri, ekspektasi komo paripolah kaliwat
atawa ayeuna (Neuman 1994).
Panalungtikan ngamungkinkeun panalungtik pikeun manggihan hubungan antara
populasi jeung hasilna biasana leuwih umum ti
métode séjénna (Sonquist na Dunkelberg 1977, Gable 1994). The
survey ngamungkinkeun panalungtik pikeun nutupan wewengkon géografis
langkung lega sareng ngahontal seueur anu nyatakeun (Blalock 1970,
Sonquist sareng Dunkelberg 1977, Hwang sareng Lin 1987, Gable 1994,
Neuman 1994). Tungtungna, survey tiasa masihan inpormasi
anu henteu sayogi di tempat sanés atanapi dina bentuk anu diperyogikeun pikeun analisa
(Fowler 1988).
Nanging, aya sababaraha watesan dina ngalaksanakeun survey. Hiji
disadvantage nya éta panalungtik teu bisa meunangkeun loba informasi
ngeunaan objék nu ditalungtik. Ieu alatan kanyataan yén
panalungtikan dilaksanakeun ngan dina waktu nu tangtu, ku kituna,
aya jumlah kawates variabel jeung jalma nu panalungtik bisa
ulikan (Yin 1989, de Vaus 1991, Gable 1994, Denscombe 1998).
disadvantage sejen nyaeta naon ngajalankeun survey tiasa
mahal pisan dina hal waktos sareng sumber daya, khususna upami
ngalibatkeun wawancara tatap muka (Fowler 1988).
3.2.2. Métode Panalungtikan Inquiry
Métode panalungtikan inquiry ngalibatkeun ulikan jero ngeunaan
kaayaan nu tangtu dina konteks nyata dina a
jangka waktu anu ditetepkeun, tanpa aya intervensi ti pihak
panalungtik (Shanks & C. 1993, Eisenhardt 1989, Jenkins 1985).
Utamana métode ieu dipaké pikeun ngajelaskeun hubungan antara
variabel anu keur ditalungtik dina situasi nu tangtu
(Galliers 1992). Investigations bisa ngawengku kasus individu atawa
sababaraha, gumantung kana fenomena dianalisis (Franz jeung Robey 1987,
Eisenhardt 1989, Yin 1989).
Métode panalungtikan inquiry dihartikeun salaku “an inquiry
ulikan empiris nu nalungtik fenomena kontemporer dina
konteks nyata relatif, ngagunakeun sababaraha sumber dikumpulkeun ti hiji atawa
sababaraha éntitas kayaning jalma, grup, atawa organisasi "(Yin 1989).
Henteu aya pamisahan anu jelas antara fenomena sareng kontéksna e
teu aya kontrol atanapi manipulasi ékspérimén tina variabel (Yin
1989, Benbasat dkk. 1987).
Aya rupa-rupa téhnik pikeun ngumpulkeun dewa dati che posono
dipaké dina métode inquiry, nu ngawengku nu
observasi langsung, review catetan arsip, kuesioner,
review dokuméntasi jeung wawancara terstruktur. Ngabogaan
rupa-rupa téhnik panén dati, panalungtikan
ngidinan peneliti nungkulan duanana dati kualitatif éta
kuantitas dina waktos anu sami (Bonoma 1985, Eisenhardt 1989, Yin
1989, Gable 1994). Saperti dina pasualan métode survéy, a
inquiry panalungtik meta salaku observer atawa panalungtik sarta henteu
salaku pamilon aktif dina organisasi anu ditalungtik.
Benbasat dkk (1987) negeskeun yén métode panalungtikan téh
utamana cocog pikeun panalungtikan wangunan téori, nu
mimitian ku sual panalungtikan sarta nuluykeun latihan
tina hiji téori salila prosés ngumpulkeun dati. Janten
ogé cocog pikeun panggung
tina wangunan téori, Franz jeung Robey (1987) nyarankeun yén
Métode panalungtikan ogé tiasa dianggo pikeun komplek
fase téori. Dina hal ieu, dumasar kana bukti dikumpulkeun, hiji
téori atawa hipotésis anu dibikeun diverifikasi atawa dibantah. Tambih Deui, panalungtikan téh
ogé cocog pikeun panalungtikan nu patali jeung 'kumaha' atawa 'kumaha' patarosan
'naha' (Yin 1989).
Dibandingkeun jeung métode séjénna, survey ngidinan panalungtik pikeun
néwak inpormasi penting sacara langkung rinci (Galliers
1992, Shanks dkk 1993). Saterusna, investigations ngidinan
panalungtik pikeun maham sifat jeung kompleksitas prosés nu ditalungtik
(Benbasat dkk. 1987).
Aya opat kalemahan utama anu aya hubunganana sareng metode
panalungtikan. Kahiji nyaeta kurangna deductions dikawasa. Tuh
Subyektifitas panalungtik bisa ngarobah hasil jeung kacindekan
tina ulikan (Yin 1989). The disadvantage kadua kurangna
observasi dikawasa. Teu kawas métode ékspérimén, nu
panalungtik inkuiri teu bisa ngadalikeun fénoména nu ditalungtik
sabab nalungtik dina konteks alam maranéhanana (Gable 1994). The
disadvantage katilu nyaeta kurangna replicability. Ieu alatan kanyataan
yén panalungtik téh saperti teu mirip niténan kajadian anu sarua, jeung
teu bisa pariksa hasil ulikan husus (Lee 1989).
Tungtungna, salaku konsekuensi non-replicability, hese
generalisasi hasil nu dicandak tina hiji atawa leuwih panalungtikan (Galliers
1992, Shanks dkk 1993). Sadaya masalah ieu, kumaha oge, henteu
anu insurmountable sarta bisa, kanyataanna, jadi minimal ku
panalungtik nerapkeun tindakan luyu (Lee 1989).
3.3. Ngantebkeun metodologi panalungtikan
diadopsi
Tina dua métode panalungtikan anu mungkin pikeun ieu panalungtikan nya éta métode
panalungtikan dianggap paling merenah. Éta panalungtikan téh
ieu dipiceun sanggeus tinimbangan taliti ngeunaan leuwih relevan
kaunggulan jeung kalemahan. Genah atawa pantesna masing-masing
métode pikeun panalungtikan ieu dijelaskeun di handap.
3.3.1. Métode panalungtikan anu teu luyu
tina panalungtikan
Métode inquiry merlukeun ulikan jero ngeunaan hiji
kaayaan husus dina hiji atawa leuwih organisasi pikeun a
periode waktu (Eisenhardt 1989). Dina hal ieu, periode tiasa
ngaleuwihan jangka waktu nu dibikeun pikeun ulikan ieu. Lian
alesan pikeun henteu nganut métode survéy éta hasil
aranjeunna bisa kakurangan tina kurangna rigor (Yin 1989). Subyektifitas
ti panalungtik bisa mangaruhan hasil jeung kacindekan. Lian
alesanana nya éta métode leuwih cocog pikeun panalungtikan ngeunaan patarosan
tina tipe 'kumaha' atawa 'naha' (Yin 1989), sedengkeun pertanyaan panalungtikan
pikeun ulikan ieu jenis 'naon'. Paneuri tapi sanés panutup
Importantly, hese generalize papanggihan ti ngan hiji atawa
sababaraha panalungtikan (Galliers 1992, Shanks et al 1993). Dina dasarna
katerangan rasional ieu, métode panalungtikan inquiry henteu
dipilih sabab teu cocog pikeun ieu panalungtikan.
3.3.2. Genah sahiji metodeu pilarian tina
panyilidikan
Sabada dilaksanakeun ieu panalungtikan, prakna ngumpulkeun data
kungsi teu lega diadopsi ku
organisasi Australia. Janten, teu aya seueur inpormasi
ngeunaan palaksanaan maranéhanana dina
organisasi Australia. Inpormasi anu sayogi sumping
ti organisasi anu parantos ngalaksanakeun atanapi nganggo data
gudang. Dina hal ieu, métode panalungtikan survéy téh paling
cocog sabab ngidinan Anjeun pikeun ménta inpo nu teu
sadia di tempat séjén atawa dina formulir diperlukeun pikeun analisis (Fowler 1988).
Sajaba ti éta, métode panalungtikan survéy ngamungkinkeun panalungtik pikeun
meunang wawasan alus kana prakték, situasi, atawa
ditempo dina waktu nu tangtu (Galliers 1992, Denscombe 1998).
Hiji pintonan sakabéh diperlukeun pikeun ngaronjatkeun
Pangaweruh ngeunaan pangalaman gudang data Australia.
Deui, Sonquist jeung Dunkelberg (1977) nyatakeun yén hasil tina
Panalungtikan survéy leuwih umum tibatan métode séjénna.
3.4. Desain Panalungtikan Survey
Panalungtikan kana prakték gudang data dilaksanakeun dina taun 1999.

Populasi sasaran diwangun ku organisasi
Australia museurkeun studi gudang data, sakumaha aranjeunna
meureun geus informed ngeunaan i dati aranjeunna nyimpen sareng,
Ku kituna, éta bisa méré informasi mangpaat pikeun ulikan ieu. Tuh
populasi target ieu dicirikeun ku survéy awal ngeunaan
sadaya anggota Australia 'The Data Warehousing Institute' (Tdwiaap).
Ieu bagian ngabahas desain tahapan panalungtikan
bukti empiris tina ulikan ieu.
3.4.1. Téhnik ngumpulkeun dati
Tina tilu téhnik nu biasa digunakeun dina panalungtikan survéy
(nyaéta angkét pos, wawancara telepon sareng wawancara
pribadi) (Nachmias 1976, Fowler 1988, de Vaus 1991), pikeun
ulikan ieu ngadopsi angkét mail. Kahiji
alesan pikeun nyoko kiwari dimungkinkeun éta bisa ngahontal a
populasi anu sumebar sacara geografis (Blalock 1970, Nachmias e
Nachmias 1976, Hwang jeung Lin 1987, de Vaus 1991, Gable 1994).
Bréh, angkét pos téh cocog pikeun pamilon
berpendidikan tinggi (Fowler 1988). The mail angkét pikeun ieu
ulikan ieu ditujukeun ka sponsor proyék gudang data,
direksi jeung/atawa manajer proyék. Katilu, kuesioner jauh
mail anu cocog mun anjeun boga daptar aman tina
alamat (Salant jeung Dilman 1994). TDWI, dina hal ieu, hiji
asosiasi gudang data dipercaya nyadiakeun daptar alamat
anggota Australia na. Kauntungan sejen tina kuesioner
via surat versus kuesioner telepon atawa wawancara
pribadi téh nya éta ngamungkinkeun pendaftar pikeun ngabales leuwih
akurasi, utamana lamun registrants kudu konsultasi
catetan atawa ngabahas patarosan jeung jalma séjén (Fowler
1988).
A disadvantage poténsial bisa jadi waktu diperlukeun pikeun
ngalaksanakeun questionnaires ku mail. Biasana, kuesioner jauh
mail dilaksanakeun dina urutan ieu: ngirim surat, antosan
réspon jeung ngirim konfirmasi (Fowler 1988, Bainbridge 1989).
Ku kituna, total waktu bisa jadi leuwih panjang batan waktu diperlukeun pikeun
wawancara pribadi atawa pikeun wawancara telepon. Sanajan kitu, éta
total waktos tiasa dipikanyaho sateuacanna (Fowler 1988,
Denscombe 1998). Waktosna kanggo ngawawancara
data pribadi teu bisa dipikawanoh sateuacanna sakumaha eta beda-beda ti
hiji wawancara ka nu séjén (Fowler 1988). Wawancara telepon
tiasa langkung gancang ti angkét pos sareng
wawancara pribadi tapi bisa boga laju tinggi leungit
respon alatan unavailability sababaraha urang (Fowler 1988).
Salaku tambahan, wawancara telepon umumna dugi ka daptar
patarosan rélatif pondok (Bainbridge 1989).
kalemahan sejen tina kuesioner mail nyaeta laju luhur
kurangna réspon (Fowler 1988, Bainbridge 1989, Neuman
1994). Sanajan kitu, countermeasures geus dicokot, associating
ulikan ieu jeung lembaga dipercaya dina widang data
gudang (nyaéta TDWI) (Bainbridge 1989, Neuman 1994), éta
nu ngirimkeun dua surat pangéling-ngéling ka nu teu acan ngabales
(Fowler 1988, Neuman 1994) sareng kalebet surat
suplement ngajelaskeun tujuan ulikan (Neuman 1994).
3.4.2. Unit analisis
Tujuan tina ieu panalungtikan nya éta pikeun meunangkeun informasi ngeunaan
palaksanaan gudang data sarta pamakéan na
dina organisasi Australia. Populasi sasaran
diwangun ku sadaya organisasi Australia anu gaduh
dilaksanakeun, atawa keur ngalaksanakeun, i data gudang, di
organisasi individu lajeng didaptarkeun. Angkét
ieu dikirim ku pos ka organisasi kabetot dina nyoko
di data gudang. Metoda ieu ensures yén informasi
dikumpulkeun asalna tina sumber daya paling merenah unggal organisasi
pamilon.
3.4.3. Sampel survéy
The "milis" pamilon survéy dicandak ti
TDWI. Tina daptar ieu, 3000 organisasi Australia
dipilih salaku dadasar pikeun sampling. A
surat tambahan ngajelaskeun proyék sareng tujuan panalungtikan,
bareng jeung lembar jawaban jeung amplop tos mayar pikeun
ngirimkeun deui angkét réngsé dikirim ka sampel.
Tina 3000 organisasi, 198 sapuk pikeun ilubiung dina
diajar. Sajumlah leutik réspon ieu diperkirakeun dato il
angka nu gede ngarupakeun organisasi Australia nu aranjeunna lajeng kagungan
dirangkul atawa anu embracing strategi tanggal
gudang di jero organisasi maranéhanana. Janten, éta
Sasaran populasi dina ieu panalungtikan ngan aya 198
organisasi.
3.4.4. Eusi kuesioner
Struktur kuesioner dumasar kana model tanggal
Gudang Monash (dibahas saméméhna dina bagian 2.3). The
eusi kuesioner dumasar kana analisis
literatur dibere dina bab 2. Salinan kuesioner
dikirim ka pamilon survéy bisa kapanggih
dina Lampiran B. Angkét diwangun ku genep bagian, nya éta
fase model dibahas kieu. Genep paragraf di handap ieu
aranjeunna sakeudeung nyimpulkeun eusi unggal bagian.
Bagian A: Inpormasi dasar ngeunaan organisasi
bagian ieu ngandung patarosan patali jeung profil tina
organisasi milu. Tambih Deui, sababaraha patarosan anu
patali jeung kaayaan proyék gudang data
pamilon. Inpormasi rahasia sapertos nami anjeun
organisasi teu diungkabkeun dina analisis survey.
Bagian B: Mimitian
Soal-soal dina ieu bagian aya patalina jeung kagiatan ngamimitian
gudang data. Patarosan ditanya sabaraha lila
masalah initiators proyék, guarantors, kaahlian jeung pangaweruh
requests, tujuan ngembangkeun data warehousing jeung
ekspektasi pamaké tungtung.
Bagian C: Desain
Bagian ieu ngandung patarosan anu aya hubunganana sareng kagiatan
tata tina data gudang. Hususna, patarosan anu
kaayaan ngeunaan lingkup palaksanaan, lilana proyék, biaya
proyék sareng analisis biaya / kauntungan.
Bagian D: Pangwangunan
Dina bagian pamekaran aya patarosan anu patali jeung kagiatan
Pamekaran data gudang: kumpulan sarat pamaké
ahir, sumber tina dati, modél logis tina dati, prototipe, éta
tata kapasitas, arsitéktur teknis na Pilihan tina
parabot ngembangkeun data warehousing.
Bagian E: Operasi
Patarosan operasi patali operasi ed
ka extensibility tina data gudang, kumaha eta evolves di
fase salajengna pangwangunan. Tuh kualitas data, strategi tina
nyegerkeun dei dati, granularity tina dati, scalability data
gudang jeung masalah kaamanan tina data gudang maranéhanana éta antara
jenis patarosan ditanyakeun.
Bagian F: Pangwangunan
Bagian ieu ngandung patarosan anu aya hubunganana sareng pamakean data
gudang ku pamaké tungtung. Panalungtik kabetot
kana tujuan jeung mangpaatna data gudang, review sarta strategi
latihan diadopsi jeung strategi kontrol data
gudang diadopsi.
3.4.5. Laju ngaréspon
Sanajan survéy mail dikritik pikeun ngabogaan laju
respon low, ukuran geus dicokot pikeun ngaronjatkeun
laju balik (sakumaha dibahas saméméhna dina bagian
3.4.1). Istilah 'tingkat respon' nujul kana persentase tina
jalma dina sampel survéy tinangtu ngarespon kana
kuesioner (Denscombe 1998). Di handap ieu dipaké
rumus keur ngitung laju respon pikeun ulikan ieu:
Jumlah jalma anu ngaréspon
Laju réspon =
——————————————————————————— X 100
Jumlah total angkét anu dikirim
3.4.6. Uji Pilot
Saméméh kuesioner dikirimkeun ka sampel, patarosan anu
geus nalungtik ku mawa kaluar tés pilot, sakumaha dianjurkeun ku Luck
jeung Rubin (1987), Jackson (1988), jeung de Vaus (1991). Tujuan tina
tés pilot nyaéta pikeun nembongkeun sagala kagok, ambigu jeung ekspresi
patarosan anu hese diinterpretasi, netelakeun wae
definisi sareng istilah anu dianggo sareng pikeun ngaidentipikasi waktos perkiraan
diperlukeun pikeun ngalengkepan kuesioner (Warwick jeung Lininger 1975,
Jackson 1988, Salant jeung Dilman 1994). Tes pilot éta
dilaksanakeun ku cara milih mata pelajaran anu mibanda ciri-ciri anu sarua
tina mata pelajaran ahir, sakumaha disarankeun Davis e Cosenza (1993). Di
ulikan ieu, genep data warehousing professional éta
dipilih salaku subyek pilot. Sanggeus unggal test pilot, aranjeunna
koreksi diperlukeun geus dijieun. Tina tés pilot anu dilaksanakeun, abdi
pamilon mantuan reshape tur ngareset
versi ahir tina kuesioner.
3.4.7. Métode Analisis Tina Dati
I dati panalungtikan anu dikumpulkeun tina angkét tertutup nyaéta
dianalisis ngagunakeun pakét software statistik
disebut SPSS. Loba réspon anu dianalisis
ngagunakeun statistik deskriptif. Sajumlah angkét
aranjeunna balik teu lengkep. Ieu dirawat kalayan langkung ageung
perhatian pikeun mastikeun yén i dati leungit éta teu hiji
konsekuensi kasalahan Éntri data, tapi naha patarosan henteu
éta cocog pikeun declarer nu, atanapi declarer mutuskeun teu
ngajawab hiji atawa leuwih patarosan husus. jawaban ieu
leungit teu dipaliré salila analisis dati jeung maranehna
disandi salaku '- 9' pikeun mastikeun pangaluaran maranéhanana ti prosés
nganalisa.
Dina nyiapkeun kuesioner, pertanyaan ditutup
precoded ku assigning angka ka unggal pilihan. Jumlahna
lajeng dipaké pikeun nyiapkeun i dati salila analisis
(Denscombe 1998, Sapsford jeung Jupp 1996). Contona, aya
genep pilihan didaptarkeun dina patarosan 1 bagian B: nasihat
dewan, eksekutif senior, departemén IT, unit
tina bisnis, konsultan jeung leuwih. Dina file tina dati tina SPSS, nyaéta
variabel dihasilkeun pikeun nunjukkeun 'proyek inisiator',
kalawan genep labél nilai: '1' pikeun 'dewan direksi', '2'
pikeun 'eksekutip tingkat tinggi' jeung saterusna. Pamakéan skala Likertin
dina sababaraha patarosan katutup ogé diwenangkeun
hiji idéntifikasi nu merlukeun euweuh usaha dibere pamakéan nilai
angka pakait diasupkeun kana SPSS. Pikeun patarosan sareng
jawaban non-tuntas, nu teu saling ekslusif,
unggal pilihan diperlakukeun salaku variabel tunggal kalawan dua
labél nilai: '1' pikeun 'ditandaan' jeung '2' pikeun 'teu ditandaan'.
Patarosan kabuka diolah béda ti patarosan
ditutup. Jawaban kana patarosan ieu teu acan diasupkeun
SPSS. Gantina, aranjeunna dianalisis ku leungeun. Pamakéan ieu
jenis patarosan ngidinan Anjeun pikeun meunangkeun informasi ngeunaan gagasan
bebas dikedalkeun jeung pangalaman pribadi responden
(Bainbridge 1989, Denscombe 1998). Dimana mungkin, éta parantos dilakukeun
a categorization sahiji jawaban.
Pikeun analisis dati, métode analisis statistik basajan dipaké,
kayaning frékuénsi réspon, rata-rata, simpangan baku
mean jeung median (Argyrous 1996, Denscombe 1998).
Uji Gamma mujarab pikeun meunangkeun pangukuran kuantitatif
tina asosiasi antara dati ordinal (Norusis 1983, Argyrous 1996).
Tés ieu luyu sabab skala ordinal anu digunakeun henteu
aranjeunna ngagaduhan seueur kategori sareng tiasa ditampilkeun dina méja
(Norusis 1983).
3.5 Ringkesan
Dina ieu bab, métode panalungtikan jeung métode panalungtikan
desain diadopsi pikeun ulikan ieu.
Milih métode panalungtikan nu paling merenah pikeun a
studi husus nyokot di
tinimbangan sababaraha aturan, kaasup alam jeung tipe
panalungtikan, ogé kaunggulan jeung kalemahan unggal mungkin
métode (Jenkins 1985, Benbasat et al. 1097, Galliers jeung Land 1987,
yin 1989, Hamilton jeung ives 1992, Galliers 1992, neuman 1994). Témbongkeun
kurangna pangaweruh jeung téori anu aya ngeunaan éta
tina nyoko data warehousing di Australia, ulikan ieu ku
panalungtikan merlukeun métode panalungtikan interpretif kalawan kaahlian
éksplorasi pikeun ngajajah pangalaman organisasi
Australia. Métode panalungtikan anu dipilih dipilih pikeun
ngumpulkeun informasi ngeunaan nyoko konsép titimangsa
gudang-perumahan ku organisasi Australia. A
angkét pos dipilih salaku téhnik ngumpulkeun dati. Le
alesan pikeun métode panalungtikan jeung téhnik ngumpulkeun dati
dipilih bakal disadiakeun dina bab ieu. Ogé éta
dibere sawala ngeunaan unit analisis, sampel
dipaké, perséntase réspon, eusi kuesioner, éta
pre-test tina kuesioner jeung métode analisis tina dati.

Ngadesain a Gudang Data:
Ngagabungkeun Hubungan Entitas jeung Modeling Dimensi
abstrak
Toko i dati Ieu masalah utama ayeuna keur loba
organisasi. Hiji masalah konci dina pangwangunan
tina neundeun tina dati éta desain na.
Desain kudu ngarojong deteksi konsép dina data
gudang ka sistem warisan jeung sumber sejenna tina dati sarta ogé hiji
pamahaman gampang jeung efisiensi dina palaksanaan data
gudang
Loba pustaka gudang dati disarankeun
pamakéan modeling hubungan éntitas atawa modeling dimensi pikeun
ngagambarkeun rarancang data gudang.
Dina makalah ieu kami nunjukkeun kumaha duanana
Répréséntasi bisa digabungkeun jadi hiji pendekatan pikeun
gambar tina data gudang. Pendekatan anu digunakeun sacara sistematis
ditalungtik dina studi kasus sarta dicirikeun dina sababaraha
implikasi penting jeung professional.
GUDANG DATA
Un data gudang biasana dihartikeun salaku "subyek-berorientasi,
terpadu, waktos-varian, sarta kumpulan nonvolatile data dina rojongan
kaputusan manajemén urang" (Inmon jeung Hackathorn, 1994).
Subyek-berorientasi sareng terpadu nunjukkeun yén data gudang è
dirancang pikeun meuntas wates fungsi sistem warisan pikeun
nawarkeun hiji sudut pandang terpadu tina dati.
Varian waktos museurkeun kana sifat sajarah atanapi séri waktos tina pidéo dati in
un data gudang, anu ngamungkinkeun tren dianalisis.
Non-volatile nunjukkeun yén data gudang éta henteu terus-terusan
diropéa salaku a database tina OLTP. Rada eta diropéa
périodik, jeung dati ti sumber internal jeung eksternal. The
data gudang eta husus dirancang pikeun panalungtikan
tinimbang pikeun integritas apdet sarta kinerja
operasi.
Gagasan pikeun nyimpen i dati éta teu anyar, éta salah sahiji tujuan
tina manajemen tina dati saprak sixties (Il Martin, 1982).
I data gudang aranjeunna nawiskeun infrastruktur dati pikeun manajemén
sistem rojongan. Sistem pangrojong manajemén kalebet kaputusan
sistem rojongan (DSS) jeung sistem informasi eksekutif (EIS).
DSS mangrupikeun sistem inpormasi berbasis komputer anu
dirancang pikeun ngaronjatkeun prosés jeung akibatna cengkraman
kaputusan manusa. EIS biasana mangrupikeun sistem pangiriman
dati anu ngamungkinkeun para eksekutif bisnis gampang ngaksés pintonan
ti dati.
Arsitéktur umum a data gudang highlights peran tina
data gudang dina rojongan manajemén. Salian ti maturan
infrastruktur dati pikeun EIS jeung DSS, al data gudang mungkin
aksés langsung ngaliwatan queries. THE dati kaasup dina tanggal hiji
gudang dumasar kana analisis sarat informasi
manajemén sareng dicandak tina tilu sumber: sistem warisan internal,
sistem néwak data tujuan husus sarta sumber data éksternal. THE
dati dina sistem warisan internal aranjeunna sering kaleuleuwihan,
inconsistent, kualitas low, sarta disimpen dina sababaraha format
ku kituna maranéhanana kudu reconciled jeung cleaned saencan Anjeun bisa muka kana
data gudang (Inmon, 1992; McFadden, 1996). THE dati ti
ti sistem panyimpen dati ad hoc jeung ti sumber dati
jaba mindeng dipaké pikeun ngagedekeun (update, ngaganti) abdi
dati ti sistem warisan.
Aya loba alesan compelling ngamekarkeun a data gudang,
nu ngawengku nyieun kaputusan hadé ngaliwatan pamakéan
émbaran leuwih éféktif (Ives 1995), rojongan pikeun fokus a
on lengkep bisnis (Graham 1996), sarta ngurangan biaya tina
dibekelan tina dati pikeun EIS sareng DSS (Graham 1996, McFadden
1996).
Hiji studi empiris panganyarna kapanggih, rata-rata, balikna
investasi pikeun i data gudang ku 401% sanggeus tilu taun (Graham,
1996). Sanajan kitu, studi empiris séjén tina data gudang ngabogaan
kapanggih masalah signifikan kaasup kasusah dina ngukur ed
assigning kauntungan, kurangna tujuan jelas, underestimating eta
tujuan jeung pajeulitna prosés neundeun i dati, di
khususna ngeunaan sumber sareng kabersihan dati.
Toko i dati bisa dianggap salaku solusi
kana masalah manajemén ti dati antara organisasi. Tuh
manipulasi tina dati salaku sumberdaya sosial geus tetep salah sahiji
isu konci dina ngatur sistem informasi sakuliah
dunya salila sababaraha taun (Brancheau et al. 1996, Galliers et al. 1994,
Niederman et al. 1990, Pervan 1993).
Hiji pendekatan populér pikeun manajemén asset dati taun eighties éta
ngembangkeun model dati sosial. Modél dati sosial éta
dirancang pikeun nawiskeun dasar anu stabil pikeun ngembangkeun sistem anyar
aplikasi e database sareng ngawangun deui sareng ngahijikeun warisan
sistem (Brancheau et al.
1989, Goodhue et al. 1988: 1992, Kim jeung Everest 1994).
Sanajan kitu, aya loba masalah jeung pendekatan ieu, di
khususna, pajeulitna sareng biaya unggal tugas, sareng waktos anu lami
diperlukeun pikeun mibanda hasil nyata (Beynon-Davies 1994, Earl
1993, Goodhue et al. 1992, Periasamy 1994, Shanks 1997).
Il data gudang eta mangrupakeun database misah nu co-aya jeung leuwih warisan
database tinimbang ngaganti aranjeunna. Éta kituna ngidinan Anjeun pikeun
ngarahkeun manajemén ti dati jeung ulah rekonstruksi ongkosna mahal
tina sistem warisan.
PENDEKATAN AYA DESAIN DATA
GUDANG
Prosés ngawangun jeung nyampurnakeun a data gudang
kudu dipikaharti leuwih salaku hiji prosés évolusionér tinimbang a
siklus kahirupan ngembangkeun sistem tradisional (Kahayang, 1995, Shanks,
O'Donnell sareng Arnott 1997a). Aya loba prosés aub dina
proyék tina data gudang kayaning initialization, perencanaan;
informasi kaala tina sarat ditanya manajer parusahaan;
sumber, transformasi, beberesih tina dati sareng sinkronisasi tina warisan
sistem jeung sumber séjén tina dati; sistem pangiriman dina pangwangunan;
ngawaskeun tina data gudang; jeung senselessness tina prosés
évolusionér jeung konstruksi a data gudang (Stinches, O'Donnell
jeung Arnott 1997b). Dina jurnal ieu, urang difokuskeun kumaha
ngagambar i dati disimpen dina konteks prosés séjén ieu.
Aya sababaraha pendekatan anu diusulkeun pikeun arsitéktur data
gudang dina sastra (Inmon 1994, Ives 1995, Kimball 1994).
McFadden 1996). Unggal metodologi ieu gaduh ringkes
review kalawan analisis kaunggulan jeung kalemahan maranéhanana.
Inmon urang (1994) Pendekatan pikeun Gudang Data
rarancang
Inmon (1994) ngusulkeun opat léngkah iteratif pikeun ngagambar data
gudang (tingali Gambar 2). Hambalan munggaran nyaéta mendesain template
dati sosial ngartos kumaha i dati bisa terpadu
sakuliah wewengkon fungsional dina hiji organisasi
ngabagi i dati toko di wewengkon. Modél dati éta didamel pikeun
pikeun nyimpen dati pertaining kaputusan-pembuatan, kaasup dati
sajarah, sarta kaasup dati deduced jeung aggregated. Léngkah kadua nyaéta
ngaidentipikasi wewengkon subjék pikeun palaksanaan. Ieu dumasar
dina prioritas ditangtukeun ku organisasi nu tangtu. Nu katilu
léngkah ngalibatkeun gambar a database pikeun wewengkon subjek, pose
nengetan husus ka kaasup tingkat luyu ngeunaan granularity.
Inmon nyarankeun ngagunakeun modél éntitas sareng hubungan. Kaopat
Léngkahna nyaéta pikeun ngaidentipikasi sistem sumber dati diperlukeun tur ngamekarkeun
prosés transformasi pikeun newak, beresih jeung format i dati.
Kaunggulan tina pendekatan Inmon nyaéta yén modél dati sosial
nawarkeun dasar pikeun integrasi tina dati jero organisasi
jeung ngarojong perencanaan pikeun ngembangkeun data iterative
gudang. Cacatna nyaéta kasusah sareng biaya ngagambar
ieu model dati sosial, kasusah dina pamahaman model éntitas jeung
hubungan dipaké dina duanana model, éta dati sosial jeung nu dati
disimpen ku aréa subjek, sarta appropriateness tina dati éta
gambar tina data gudang pikeun nyieun database
relasional tapi henteu pikeun database multi-dimensi.
Ives '(1995) Pendekatan kana Gudang Data
rarancang
Ives (1995) proposes pendekatan opat-hambalan pikeun ngarancang a
sistem informasi anu anjeunna anggap lumaku pikeun desain data
gudang (tingali Gambar 3). pendekatan ieu pisan dumasar kana
Téknik Émbaran pikeun ngembangkeun sistem informasi
(Martin 1990). Léngkah munggaran nyaéta nangtukeun tujuan, faktor
kritis tur suksés sarta indikator kinerja konci. THE
prosés bisnis konci na informasi diperlukeun téh
dimodelkeun pikeun mingpin urang kana modél dati sosial. Lengkah kadua
ngalibatkeun ngembangkeun arsitéktur watesan dati
disimpen dumasar wewengkon, database di data gudang, komponén
téhnologi nu diperlukeun, susunan rojongan organisasi
diperlukeun pikeun nerapkeun jeung beroperasi kalawan data gudang. Nu katilu
Léngkah kalebet milih pakét sareng alat parangkat lunak anu diperyogikeun.
Léngkah kaopat nyaéta rarancang sareng konstruksi anu lengkep
data gudang. Ives catetan toko éta dati anjeunna lalaki kabeungkeut
prosés iteratif.
Kakuatan pendekatan Ives nyaéta ngagunakeun téknik khusus pikeun
nangtukeun sarat informasi, pamakéan a terstruktur
prosés pikeun ngarojong integrasi tina data gudang,
pilihan hardware jeung software luyu, sarta pamakéan sababaraha
téhnik ngagambarkeun pikeun data gudang. cacad na
aranjeunna alamiah dina pajeulitna. Batur kaasup kasusah dina
ngamekarkeun loba tingkatan database all'interno del data gudang in
waktos lumrah jeung waragad.
Kimball urang (1994) Pendekatan kana Gudang Data
rarancang
Kimball (1994) ngusulkeun lima léngkah iteratif pikeun ngagambar data
gudang (tingali Gambar 4). Pendekatanna khususna
dedicated ka desain ngan hiji data gudang sarta dina pamakéan model
dimensi dina leuwih sering dipake tinimbang model entitas jeung hubungan. Kimball
nganalisis éta modél diménsi sabab leuwih gampang pikeun kuring ngartos
deal executives bisnis, éta leuwih efisien nalika kaayaan
consultations kompléks, jeung desain database fisik leuwih
efisien (Kimball 1994). Kimball ngakuan yén ngembangkeun a
data gudang nyaeta iterative, sarta éta data gudang dipisahkeun aranjeunna tiasa
jadi terpadu ngaliwatan division kana tabel dimensi
umum.
Léngkah munggaran nyaéta pikeun ngaidentipikasi daérah subjek anu tangtu
disampurnakeun. Léngkah kadua jeung katilu patali jeung wangun
dimensional. Dina lengkah kadua pangukuran ngaidentipikasi hal-hal
minat wewengkon subjek tur dikelompokkeun kana tabel fakta.
Contona, di wewengkon subjék jualan ukuran dipikaresep
bisa ngawengku jumlah barang dijual jeung dollar
salaku mata uang jualan. Lengkah katilu ngalibatkeun ngaidentipikasi
diménsi nu cara di mana maranéhna bisa dikelompokkeun i
fakta. Di wewengkon subjék jualan, dimensi relevan
bisa ngawengku item, lokasi jeung periode waktu. Tuh
kanyataan tabel boga konci multi-bagian pikeun numbu ka unggal
tabel diménsi sarta ilaharna ngandung angka pisan
pinuh ku kanyataan. Sabalikna, tabel dimensi ngandung
informasi deskriptif ngeunaan dimensi jeung atribut sejenna anu
bisa dipaké pikeun ngumpulkeun fakta. Tabél kanyataan e
dimensi pakait sareng formulir proposal naon disebut hiji
pola béntang alatan bentukna. Lengkah kaopat ngawengku
pangwangunan a database multidimensional pikeun nyampurnakeun eta
pola béntang. Léngkah ahir nyaéta pikeun ngaidentipikasi sistem sumber dati
diperlukeun tur ngamekarkeun prosés transformasi ka acquire, beresih
jeung format i dati.
Kaunggulan tina pendekatan Kimball kaasup pamakéan model
dimensi pikeun ngagambarkeun i dati disimpen nu nyieun
gampang ngartos tur ngakibatkeun rarancang fisik efisien. A
model dimensi anu ogé gampang ngagunakeun duanana
sistem database relational bisa disampurnakeun atawa sistem
database multidimensional. flaws na kaasup kakurangan
sababaraha téhnik pikeun mempermudah perencanaan atawa integrasi
loba pola béntang dina hiji data gudang jeung
kasusah dina ngarancang tina struktur denormalized ekstrim di a
modél dimensi a dati dina sistem warisan.
McFadden (1996) Pendekatan kana Data
Desain Gudang
McFadden (1996) proposes pendekatan lima-hambalan ka
ngagambar a data gudang (tingali Gambar 5).
Pendekatanna dumasar kana sintésis gagasan tina karya sastra
sarta museurkeun kana desain ngan hiji data gudang. Kahiji
léngkah ngalibatkeun analisa sarat. Sanajan spésifikna
téhnik teu prescribed, catetan McFadden urang ngaidentipikasi nu
éntitas dati spésifikasi jeung atribut maranéhna, sarta nujul kana Watson pamiarsa
sarta Frolick (1993) pikeun syarat newak.
Dina lengkah kadua, model hubungan éntitas digambar pikeun
data gudang lajeng disahkeun ku pamingpin bisnis. Nu katilu
Léngkah kalebet nangtukeun pemetaan tina sistem warisan
jeung sumber éksternal tina data gudang. Lengkah kaopat ngawengku
prosés dina ngembangkeun, deployment tur sinkronisasi tina dati nel
data gudang. Dina hambalan ahir, sistem dikirimkeun
dimekarkeun kalawan tekenan husus dina panganteur pamaké.
McFadden nunjuk kaluar yén prosés gambar umumna
iteratif.
Kakuatan pendekatan McFadden nunjuk kana partisipasi
ku pamingpin bisnis dina nangtukeun sarat na oge
pentingna sumberdaya dati, beberesih sarta ngumpulkeun maranéhanana. Nya
flaws masalah kurangna prosés pikeun ngabagi a
proyék hébat ku data gudang dina sababaraha tahapan terpadu, sareng aya
kasusah pamahaman éntitas jeung model hubungan dipaké dina desain
data gudang.

admin CEO

👍Agénsi Wéb Online | Ahli Badan Wéb dina Pemasaran Digital sareng SEO. Badan Web Online mangrupikeun Badan Wéb. Pikeun Agenzia Web Online kasuksésan dina transformasi digital dumasar kana pondasi Beusi SEO versi 3. Spésialisasi: Integrasi Sistem, Integrasi Aplikasi Perusahaan, Arsitéktur Berorientasi Jasa, Komputasi Awan, Gudang Data, intelijen bisnis, Data Besar, portal, intranét, Aplikasi Wéb Desain jeung manajemen basis data relational na multidimensional Ngarancang interfaces pikeun média digital: usability jeung Grafik. Badan Web Online nawiskeun perusahaan jasa di handap ieu: -SEO on Google, Amazon, Bing, Yandex; -Web Analytics: Google Analytics, Google Tag Manager, Yandex Metrica; - Konversi pamaké: Google Analytics, Microsoft Clarity, Yandex Metrica; -SEM dina Google, Bing, Iklan Amazon; - Pemasaran Media Sosial (Facebook, Linkin, Youtube, Instagram).

Tempo Full Bio

Marketing digital database DBMS Gudang Data Élmu data Iklan Online Téknologi informasi Agénsi Wéb Agénsi Periklanan Marketing