ఆర్కైవ్ సమాచారం సెంట్రల్: హిస్టరీ ED పరిణామాలు
90లలో కార్పొరేట్ టెక్నాలజీకి సంబంధించిన రెండు ప్రధాన అంశాలు ఐ డేటా గిడ్డంగి మరియు ERP. చాలా కాలంగా ఈ రెండు శక్తివంతమైన ప్రవాహాలు ఎప్పుడూ కూడళ్లు లేకుండా కార్పొరేట్ ITలో భాగాలుగా ఉన్నాయి. దాదాపు అవి పదార్థం మరియు వ్యతిరేక పదార్ధం అన్నట్లుగా ఉంది. కానీ రెండు దృగ్విషయాల పెరుగుదల అనివార్యంగా వాటి ఖండనకు దారితీసింది. నేడు కంపెనీలు ERP మరియు ఏమి చేయాలనే సమస్యను ఎదుర్కొంటున్నాయి డేటా గిడ్డంగి. సమస్యలు ఏమిటి మరియు కంపెనీలు వాటిని ఎలా పరిష్కరిస్తాయో ఈ కథనం వివరిస్తుంది.
ప్రారంభంలో…
ప్రారంభంలో ఉంది డేటా గిడ్డంగి. డేటా గిడ్డంగి లావాదేవీ ప్రాసెసింగ్ అప్లికేషన్ సిస్టమ్ను ఎదుర్కోవడానికి సృష్టించబడింది. తొలినాళ్లలో కంఠస్థం డటి ఇది లావాదేవీ ప్రాసెసింగ్ అప్లికేషన్లకు కేవలం కౌంటర్ పాయింట్గా మాత్రమే ఉద్దేశించబడింది. కానీ ఈ రోజుల్లో చాలా అధునాతనమైన దర్శనాలు ఉన్నాయి డేటా గిడ్డంగి. నేటి ప్రపంచంలో ది డేటా గిడ్డంగి ఇది కార్పొరేట్ ఇన్ఫర్మేషన్ ఫ్యాక్టరీ అని పిలవబడే నిర్మాణంలో చొప్పించబడింది.
కార్పొరేట్ ఇన్ఫర్మేషన్ ఫ్యాక్టరీ (CIF)
కార్పొరేట్ ఇన్ఫర్మేషన్ ఫ్యాక్టరీ ప్రామాణిక నిర్మాణ భాగాలను కలిగి ఉంది: పరివర్తన మరియు కోడ్ ఏకీకరణ స్థాయిని ఏకీకృతం చేస్తుంది డటి అయితే నేను డటి అవి అప్లికేషన్ వాతావరణం నుండి పర్యావరణం వైపు కదులుతాయి డేటా గిడ్డంగి సంస్థ యొక్క; a డేటా గిడ్డంగి సంస్థ యొక్క డటి వివరణాత్మక మరియు సమగ్ర చరిత్రకారులు. ది డేటా గిడ్డంగి సంస్థ యొక్క పర్యావరణం యొక్క అన్ని ఇతర భాగాలను నిర్మించగల పునాదిగా కంపెనీ పనిచేస్తుంది డేటా గిడ్డంగి; కార్యాచరణ డేటా స్టోర్ (ODS). ODS అనేది హైబ్రిడ్ నిర్మాణం, ఇందులో కొన్ని అంశాలు ఉంటాయి డేటా గిడ్డంగి మరియు OLTP పర్యావరణం యొక్క ఇతర అంశాలు; డేటా మార్ట్లు, వివిధ విభాగాలు వాటి స్వంత వెర్షన్ను కలిగి ఉంటాయి డేటా గిడ్డంగి; a డేటా గిడ్డంగి కంపెనీ యొక్క "తత్వవేత్తలు" తమ 72-గంటల ప్రశ్నలను హానికరమైన ప్రభావం లేకుండా సమర్పించగల అన్వేషణ డేటా గిడ్డంగి; మరియు దగ్గర లైన్ మెమరీ, దీనిలో డటి పాత మరియు డటి భారీ వివరాలు చౌకగా నిల్వ చేయబడతాయి.
ERP ఎక్కడ కలిసిపోతుంది కార్పొరేట్ ఇన్ఫర్మేషన్ ఫ్యాక్టరీ
ERP రెండు ప్రదేశాలలో కార్పొరేట్ ఇన్ఫర్మేషన్ ఫ్యాక్టరీతో విలీనమవుతుంది. ముందుగా iని అందించే ప్రాథమిక అప్లికేషన్ (బేస్లైన్)గా డటి అప్లికేషన్ యొక్క డేటా గిడ్డంగి. ఈ సందర్భంలో ఐ డటి, లావాదేవీ ప్రక్రియ యొక్క ఉప ఉత్పత్తిగా రూపొందించబడింది, ఇది ఏకీకృతం చేయబడింది మరియు లోడ్ చేయబడుతుంది డేటా గిడ్డంగి సంస్థ యొక్క. ERP మరియు CIF మరియు ODS మధ్య యూనియన్ యొక్క రెండవ పాయింట్. నిజానికి, అనేక వాతావరణాలలో ERP ఒక క్లాసిక్ ODSగా ఉపయోగించబడుతుంది.
ERPని ప్రాథమిక అప్లికేషన్గా ఉపయోగించినట్లయితే, అదే ERPని CIFలో ODSగా కూడా ఉపయోగించవచ్చు. ఏదైనా సందర్భంలో, ERPని రెండు పాత్రలలో ఉపయోగించాలంటే, రెండు ఎంటిటీల మధ్య స్పష్టమైన వ్యత్యాసం ఉండాలి. మరో మాటలో చెప్పాలంటే, ERP ప్రాథమిక అప్లికేషన్ మరియు ODS పాత్రను పోషిస్తున్నప్పుడు, రెండు ఆర్కిటెక్చరల్ ఎంటిటీలు తప్పనిసరిగా వేరు చేయబడాలి. ఒకే ERP అమలు రెండు పాత్రలను ఏకకాలంలో నిర్వహించడానికి ప్రయత్నిస్తే, ఆ నిర్మాణం రూపకల్పన మరియు అమలులో అనివార్యంగా సమస్యలు ఉంటాయి.
ప్రత్యేక ODS మరియు ప్రాథమిక అప్లికేషన్లు
నిర్మాణ భాగాల విభజనకు దారితీసే అనేక కారణాలు ఉన్నాయి. ఆర్కిటెక్చర్ యొక్క విభిన్న భాగాలను వేరు చేయడానికి బహుశా చాలా ముఖ్యమైన సమస్య ఏమిటంటే, ఆర్కిటెక్చర్ యొక్క ప్రతి భాగం దాని స్వంత వీక్షణను కలిగి ఉంటుంది. బేస్లైన్ అప్లికేషన్ ODS కంటే భిన్నమైన ప్రయోజనాన్ని అందిస్తుంది. అతివ్యాప్తి చేయడానికి ప్రయత్నించండి
ODS లేదా వైస్ వెర్సా ప్రపంచంలోని బేస్లైన్ అప్లికేషన్ వీక్షణ పని చేయడానికి సరైన మార్గం కాదు.
పర్యవసానంగా, CIFలో ERP యొక్క మొదటి సమస్య బేస్లైన్ అప్లికేషన్లు మరియు ODS మధ్య వ్యత్యాసం ఉందో లేదో ధృవీకరించడం.
కార్పొరేట్లో డేటా మోడల్లు సమాచార కర్మాగారం
CIF ఆర్కిటెక్చర్ యొక్క విభిన్న భాగాల మధ్య సమన్వయాన్ని సాధించడానికి, ఒక నమూనా ఉండాలి డటి. యొక్క నమూనాలు డటి అవి బేస్లైన్ అప్లికేషన్లు మరియు ODS వంటి ఆర్కిటెక్చర్లోని వివిధ భాగాల మధ్య లింక్గా పనిచేస్తాయి. యొక్క నమూనాలు డటి CIF యొక్క విభిన్న నిర్మాణ భాగాల నుండి సరైన అర్థాన్ని పొందడానికి అవి "మేధోపరమైన రోడ్ మ్యాప్" అవుతాయి.
ఈ భావనతో చేతులు కలిపితే, ఒక పెద్ద మరియు ఒకే మోడల్ ఉండాలనే ఆలోచన ఉంది డటి. సహజంగానే ఒక నమూనా ఉండాలి డటి ప్రతి భాగానికి మరియు విభిన్న నమూనాలను అనుసంధానించే సరైన మార్గం కూడా ఉండాలి. ఆర్కిటెక్చర్ యొక్క ప్రతి భాగం - ODS, బేస్లైన్ అప్లికేషన్లు, డేటా గిడ్డంగి సంస్థ యొక్క, మరియు అందువలన న.. - దాని స్వంత మోడల్ అవసరం డటి. కాబట్టి ఈ నమూనాలు ఎలా ఉంటాయో ఖచ్చితమైన నిర్వచనం ఉండాలి డటి అవి ఒకదానితో ఒకటి ఇంటర్ఫేస్ చేస్తాయి.
తరలించు I సమాచారం డేటాలోని ERP గిడ్డంగి
యొక్క మూలం అయితే డటి ERP చొప్పించినప్పుడు బేస్లైన్ అప్లికేషన్ మరియు/లేదా ODS డటి నెల్ డేటా గిడ్డంగి, ఈ చొప్పించడం తప్పనిసరిగా "గ్రాన్యులారిటీ" యొక్క అత్యల్ప స్థాయిలో జరగాలి. కేవలం సారాంశం లేదా మొత్తం i డటి వారు ERP బేస్లైన్ అప్లికేషన్ నుండి బయటకు వచ్చినందున లేదా ERP ODS చేయడం సరైనది కాదు. ది డటి లో వివరాలు అవసరం డేటా గిడ్డంగి DSS ప్రక్రియకు ఆధారం. అటువంటి డటి డేటా మార్ట్లు మరియు అన్వేషణల ద్వారా అనేక విధాలుగా పునర్నిర్మించబడుతుంది డేటా గిడ్డంగి.
యొక్క కదిలే డటి ERP బేస్లైన్ అప్లికేషన్ వాతావరణం నుండి డేటా గిడ్డంగి సంస్థ యొక్క సహేతుకమైన రిలాక్స్డ్ పద్ధతిలో జరుగుతుంది. ERPలో అప్డేట్ లేదా క్రియేషన్ తర్వాత దాదాపు 24 గంటల తర్వాత ఈ తరలింపు జరుగుతుంది. యొక్క "సోమరితనం" ఉద్యమం కలిగి వాస్తవం డటి నెల్ డేటా గిడ్డంగి సంస్థ అనుమతిస్తుంది డటి ERP నుండి "డిపాజిట్"కి వస్తుంది. ఒకసారి నేను డటి బేస్లైన్ అప్లికేషన్లో నిల్వ చేయబడతాయి, ఆపై మీరు సురక్షితంగా తరలించవచ్చు డటి కంపెనీలో ERP. యొక్క "సోమరితనం" ఉద్యమానికి ధన్యవాదాలు సాధించగల మరొక లక్ష్యం డటి ఇది కార్యాచరణ ప్రక్రియలు మరియు DSS మధ్య స్పష్టమైన వివరణ. యొక్క "వేగవంతమైన" కదలికతో డటి DSS మరియు కార్యాచరణ మధ్య విభజన రేఖ అస్పష్టంగానే ఉంది.
యొక్క ఉద్యమం డటి ERP యొక్క ODS నుండి డేటా గిడ్డంగి కంపెనీ క్రమానుగతంగా జరుగుతుంది, సాధారణంగా వారానికో లేదా నెలవారీ. ఈ సందర్భంలో ఉద్యమం డటి ఇది పాత వాటిని "శుభ్రం" చేయవలసిన అవసరంపై ఆధారపడి ఉంటుంది డటి చరిత్రకారులు. వాస్తవానికి, ODSలో i ఉంటుంది డటి కంటే చాలా ఇటీవలివి డటి చరిత్రకారులు కనుగొన్నారు డేటా గిడ్డంగి.
యొక్క కదిలే డటి నెల్ డేటా గిడ్డంగి ఇది దాదాపు ఎప్పుడూ "టోకు" (టోకు వ్యాపార పద్ధతిలో) జరగదు. ERP పర్యావరణం నుండి పట్టికను కాపీ చేయండి డేటా గిడ్డంగి ఇది సమంజసం అనిపించుకోదు. యొక్క ఎంచుకున్న యూనిట్లను తరలించడం మరింత వాస్తవిక విధానం డటి. మాత్రమే డటి యొక్క చివరి నవీకరణ నుండి మార్చబడింది డేటా గిడ్డంగి అవి లోపలికి తరలించబడాలి డేటా గిడ్డంగి. ఏవి తెలుసుకోవడానికి ఒక మార్గం డటి యొక్క టైమ్స్టాంప్లను చూడటానికి చివరి అప్డేట్ నుండి మార్చబడ్డాయి డటి ERP వాతావరణంలో కనుగొనబడింది. చివరి నవీకరణ నుండి సంభవించిన అన్ని మార్పులను డిజైనర్ ఎంచుకుంటారు. మార్పు సంగ్రహ పద్ధతులను ఉపయోగించడం మరొక విధానం డటి. ఈ సాంకేతికతలతో, లాగ్లు మరియు జర్నల్ టేప్లు ఏవి గుర్తించాలో విశ్లేషించబడతాయి డటి ERP పర్యావరణం నుండి దానికి తరలించబడాలి డేటా గిడ్డంగి. ఇతర ERP వనరులను ప్రభావితం చేయకుండా ERP ఫైల్ల నుండి లాగ్లు మరియు జర్నల్ టేప్లను చదవడం వలన ఈ పద్ధతులు ఉత్తమమైనవి.
ఇతర సంక్లిష్టతలు
CIFలోని ERP సమస్యలలో ఒకటి ఇతర అప్లికేషన్ మూలాధారాలకు లేదా దానికి ఏమి జరుగుతుంది డటి ODSలో వారు సహకరించాలి డేటా గిడ్డంగి కానీ అవి ERP వాతావరణంలో భాగం కాదు. ERP యొక్క క్లోజ్డ్ స్వభావాన్ని బట్టి, ముఖ్యంగా SAP, బాహ్య మూలాల నుండి కీలను ఏకీకృతం చేసే ప్రయత్నం డటి నేను తో డటి తరలించేటప్పుడు ERP నుండి వస్తాయి డటి నెల్ డేటా గిడ్డంగి, ఇది పెద్ద సవాలు. మరియు ఖచ్చితంగా ఏ సంభావ్యత అంటే i డటి ERP పర్యావరణం వెలుపల ఉన్న అప్లికేషన్లు లేదా ODSలు దానిలో విలీనం చేయబడతాయి డేటా గిడ్డంగి? అసమానత నిజానికి చాలా ఎక్కువ.
కనుగొనండి సమాచారం ERP నుండి హిస్టారికల్
ఐతో మరో సమస్య డటి ERP అనేది కలిగి ఉండవలసిన అవసరం నుండి ఉద్భవించింది డటి లోపల చరిత్రకారులు డేటా గిడ్డంగి. సాధారణంగా ది డేటా గిడ్డంగి అవసరాలు డటి చరిత్రకారులు. మరియు ERP సాంకేతికత సాధారణంగా వీటిని నిల్వ చేయదు డటి చారిత్రాత్మకమైనది, కనీసం అవసరమైన చోట కూడా లేదు డేటా గిడ్డంగి. పెద్ద మొత్తంలో ఉన్నప్పుడు డటి ERP వాతావరణంలో చరిత్ర జోడించడం ప్రారంభమవుతుంది, ఆ పర్యావరణాన్ని శుభ్రం చేయాలి. ఉదాహరణకు, a అని అనుకుందాం డేటా గిడ్డంగి ఐదు సంవత్సరాలతో లోడ్ చేయాలి డటి ERP వీటిని గరిష్టంగా ఆరు నెలల పాటు ఉంచుతుంది అయితే చారిత్రక డేటా డటి. కంపెనీ వరుస కలెక్ట్ చేయడంతో సంతృప్తి చెందినంత కాలం డటి కాలక్రమేణా చరిత్రకారులు, ERPని మూలంగా ఉపయోగించడంలో సమస్యలు లేవు డేటా గిడ్డంగి. కానీ ఎప్పుడు డేటా గిడ్డంగి అతను కాలానికి తిరిగి వెళ్లి దేవతలను పొందాలి డటి ఇంతకు ముందు ERP ద్వారా సేకరించబడని మరియు భద్రపరచబడని చరిత్రలు, అప్పుడు ERP పర్యావరణం అసమర్థంగా మారుతుంది.
ERP మరియు మెటాడేటా
ERP గురించి మరొక పరిశీలన ఇ డేటా గిడ్డంగి ERP వాతావరణంలో ఉన్న మెటాడేటాలో ఉన్నది. మెటాడేటా ERP పర్యావరణం నుండి IT పర్యావరణానికి వెళుతుంది డేటా గిడ్డంగి, మెటాడేటా కూడా అదే విధంగా తరలించబడాలి. ఇంకా, మెటాడేటా తప్పనిసరిగా మౌలిక సదుపాయాలకు అవసరమైన ఆకృతి మరియు నిర్మాణంలోకి మార్చబడాలి డేటా గిడ్డంగి. కార్యాచరణ మెటాడేటా మరియు DSS మెటాడేటా మధ్య చాలా వ్యత్యాసం ఉంది. ఆపరేషనల్ మెటాడేటా ప్రధానంగా డెవలపర్ మరియు ది
ప్రోగ్రామర్. DSS మెటాడేటా ప్రాథమికంగా తుది వినియోగదారు కోసం. ERP అప్లికేషన్లు లేదా ODSలలో ఇప్పటికే ఉన్న మెటాడేటా మార్చబడాలి మరియు ఈ మార్పిడి ఎల్లప్పుడూ సులభం మరియు సూటిగా ఉండదు.
ERP డేటాను సోర్సింగ్ చేయడం
ERPని సరఫరాదారుగా ఉపయోగించినట్లయితే డటి ప్రతి ఇల్ డేటా గిడ్డంగి కదిలే ఒక ఘన ఇంటర్ఫేస్ ఉండాలి డటి ERP పర్యావరణం నుండి పర్యావరణానికి డేటా గిడ్డంగి. ఇంటర్ఫేస్ తప్పనిసరిగా:
- ▪ ఉపయోగించడం సులభం
- ▪ దీనికి ప్రాప్యతను అనుమతించండి డటి ERP యొక్క
- ▪ యొక్క అర్థాన్ని పొందండి డటి కు తరలించబోతున్నారు డేటా గిడ్డంగి
- ▪ ని యాక్సెస్ చేసేటప్పుడు ఉత్పన్నమయ్యే ERP పరిమితులను తెలుసుకోండి డటి ERP యొక్క:
- ▪ సూచన సమగ్రత
- ▪ క్రమానుగత సంబంధాలు
- ▪ అవ్యక్త తార్కిక సంబంధాలు
- ▪ అప్లికేషన్ కన్వెన్షన్
- ▪ అన్ని నిర్మాణాలు డటి ERP ద్వారా మద్దతివ్వబడింది మరియు మొదలైనవి…
- ▪ యాక్సెస్ చేయడంలో సమర్థవంతంగా ఉండండి డటి, అందించడం ద్వారా:
- ▪ ప్రత్యక్ష కదలిక డటి
- ▪ మార్పును పొందడం డటి
- ▪ సకాలంలో యాక్సెస్కు మద్దతు ఇస్తుంది డటి
- ▪ దీని ఆకృతిని అర్థం చేసుకోండి డటి, మరియు మొదలైనవి… SAPతో ఇంటర్ఫేస్ ఇంటర్ఫేస్ స్వదేశీ లేదా వాణిజ్యపరంగా రెండు రకాలుగా ఉంటుంది. కొన్ని ప్రధాన వ్యాపార ఇంటర్ఫేస్లు:
- ▪ SAS
- ▪ ప్రిమ్స్ సొల్యూషన్స్
- ▪ D2k మరియు మొదలైనవి... బహుళ ERP సాంకేతికతలు ERP పర్యావరణాన్ని ఒకే సాంకేతికతగా భావించడం పెద్ద తప్పు. అనేక ERP సాంకేతికతలు ఉన్నాయి, ప్రతి దాని స్వంత బలాలు ఉన్నాయి. మార్కెట్లో అత్యంత ప్రసిద్ధ విక్రేతలు:
- ▪ SAP
- ▪ ఒరాకిల్ ఫైనాన్షియల్స్
- ▪ పీపుల్సాఫ్ట్
- ▪ JD ఎడ్వర్డ్స్
- ▪ బాన్ SAP SAP అనేది అతిపెద్ద మరియు అత్యంత పూర్తి ERP సాఫ్ట్వేర్. SAP అప్లికేషన్లలో అనేక ప్రాంతాలలో అనేక రకాల అప్లికేషన్లు ఉన్నాయి. SAPకి ఖ్యాతి ఉంది:
- ▪ చాలా పెద్దది
- ▪ అమలు చేయడం చాలా కష్టం మరియు ఖరీదైనది
- ▪ అమలు చేయడానికి చాలా మంది వ్యక్తులు మరియు కన్సల్టెంట్లు అవసరం
- ▪ అమలు చేయడానికి ప్రత్యేక వ్యక్తులు అవసరం
- ▪ అమలు చేయడానికి చాలా సమయం కావాలి ఇంకా, SAP దాని స్వంతంగా గుర్తుంచుకోవడంలో ఖ్యాతిని కలిగి ఉంది డటి చాలా జాగ్రత్తగా, SAP ప్రాంతం వెలుపల ఉన్న వ్యక్తి వాటిని యాక్సెస్ చేయడం కష్టతరం చేస్తుంది. SAP యొక్క బలం ఏమిటంటే ఇది పెద్ద మొత్తంలో సంగ్రహించి నిల్వ చేయగలదు డటి. ఇటీవలే SAP తన దరఖాస్తులను విస్తరించాలని తన ఉద్దేశాన్ని ప్రకటించింది డేటా గిడ్డంగి. SAPని విక్రేతగా ఉపయోగించడం వల్ల చాలా లాభాలు మరియు నష్టాలు ఉన్నాయి డేటా గిడ్డంగి. ఒక ప్రయోజనం ఏమిటంటే SAP ఇప్పటికే ఇన్స్టాల్ చేయబడింది మరియు చాలా మంది కన్సల్టెంట్లకు ఇప్పటికే SAP గురించి తెలుసు.
SAPని సరఫరాదారుగా కలిగి ఉండటం వల్ల కలిగే నష్టాలు డేటా గిడ్డంగి చాలా ఉన్నాయి: SAPకి ప్రపంచంలో ఎలాంటి అనుభవం లేదు డేటా గిడ్డంగి SAP సరఫరాదారు అయితే డేటా గిడ్డంగి, "బయటకు తీయడం" అవసరం i డటి SAP నుండి డేటా గిడ్డంగి. తేదీ ఒక SAP యొక్క క్లోజ్డ్ సిస్టమ్ యొక్క ట్రాక్ రికార్డ్, Iని SAP నుండి పొందడం సులభం అయ్యే అవకాశం లేదు (???). IMS, VSAM, ADABAS, ORACLE, DB2 మొదలైన SAPకి శక్తినిచ్చే అనేక లెగసీ పరిసరాలు ఉన్నాయి. SAP "ఇక్కడ కనుగొనబడలేదు" విధానాన్ని నొక్కి చెబుతుంది. SAPని ఉపయోగించడానికి లేదా సృష్టించడానికి ఇతర విక్రేతలతో భాగస్వామిని కోరుకోవడం లేదు డేటా గిడ్డంగి. SAP తన సాఫ్ట్వేర్ మొత్తాన్ని స్వయంగా రూపొందించాలని పట్టుబట్టింది.
SAP ఒక పెద్ద మరియు శక్తివంతమైన కంపెనీ అయినప్పటికీ, ELT, OLAP, సిస్టమ్ అడ్మినిస్ట్రేషన్ మరియు కోర్ కోడ్ యొక్క సాంకేతికతను తిరిగి వ్రాయడానికి ప్రయత్నిస్తోంది DBMS ఇది కేవలం వెర్రి ఉంది. సరఫరాదారులతో సహకార వైఖరిని తీసుకునే బదులు డేటా గిడ్డంగి దీర్ఘకాలంగా, SAP "వారికి బాగా తెలుసు" విధానాన్ని అనుసరించింది. ఈ వైఖరి SAP ప్రాంతంలో సాధించగల విజయాన్ని అడ్డుకుంటుంది డేటా గిడ్డంగి.
బాహ్య విక్రేతలను సత్వరమే మరియు సునాయాసంగా యాక్సెస్ చేయడానికి SAP నిరాకరించింది డటి. ఉపయోగించి చాలా సారాంశం a డేటా గిడ్డంగి సులభంగా యాక్సెస్ ఉంది డటి. SAP యొక్క మొత్తం చరిత్ర యాక్సెస్ చేయడం కష్టతరం చేయడంపై ఆధారపడి ఉంటుంది డటి.
పెద్ద వాల్యూమ్లతో వ్యవహరించడంలో SAPకి అనుభవం లేకపోవడం డటి; రంగంలో డేటా గిడ్డంగి వాల్యూమ్లు ఉన్నాయి డటి SAP ద్వారా ఎన్నడూ చూడలేదు మరియు ఈ పెద్ద పరిమాణాలను నిర్వహించడానికి డటి మీరు తగిన సాంకేతికతను కలిగి ఉండాలి. రంగంలోకి ప్రవేశించడానికి ఉన్న ఈ సాంకేతిక అవరోధం గురించి SAPకి స్పష్టంగా తెలియదు డేటా గిడ్డంగి.
SAP యొక్క కార్పొరేట్ సంస్కృతి: SAP పొందడం ద్వారా వ్యాపారాన్ని సృష్టించింది డటి వ్యవస్థ నుండి. అయితే ఇలా చేయాలంటే వేరే మనస్తత్వం ఉండాలి. సాంప్రదాయకంగా, వాతావరణంలోకి డేటాను పొందడంలో మంచి సాఫ్ట్వేర్ కంపెనీలు డేటాను ఇతర మార్గంలో పొందడంలో మంచివి కావు. SAP ఈ రకమైన స్విచ్ని చేయగలిగితే, అలా చేసిన మొదటి కంపెనీ ఇదే అవుతుంది.
సంక్షిప్తంగా, ఒక కంపెనీ దాని సరఫరాదారుగా SAPని ఎంచుకోవాలా అనేది ప్రశ్నార్థకం డేటా గిడ్డంగి. ఒకవైపు చాలా తీవ్రమైన నష్టాలు మరియు మరోవైపు చాలా తక్కువ రివార్డులు ఉన్నాయి. కానీ SAPని సరఫరాదారుగా ఎంచుకోవడాన్ని నిరుత్సాహపరిచే మరో కారణం ఉంది డేటా గిడ్డంగి. ఎందుకంటే ప్రతి కంపెనీకి ఒకేలా ఉండాలి డేటా గిడ్డంగి అన్ని ఇతర కంపెనీల? ది డేటా గిడ్డంగి ఇది పోటీ ప్రయోజనం యొక్క గుండె. ప్రతి కంపెనీ అదే దత్తత తీసుకుంటే డేటా గిడ్డంగి పోటీ ప్రయోజనాన్ని సాధించడం కష్టం, అసాధ్యం కానప్పటికీ. SAP ఒక అని భావిస్తున్నట్లు తెలుస్తోంది డేటా గిడ్డంగి ఇది ఒక కుక్కీగా చూడవచ్చు మరియు ఇది వారి అప్లికేషన్ల యొక్క "డేటాను పొందండి" మనస్తత్వానికి మరింత సంకేతం.
SAP వలె మరే ఇతర ERP విక్రేతలు ఆధిపత్యం వహించరు. నిస్సందేహంగా వారి కోసం SAP మార్గాన్ని అనుసరించే కంపెనీలు ఉంటాయి డేటా గిడ్డంగి కానీ బహుశా ఇవి డేటా గిడ్డంగి SAP పెద్దది, ఖరీదైనది మరియు సృష్టించడానికి సమయం తీసుకుంటుంది.
ఈ పరిసరాలలో బ్యాంక్ టెల్లర్ ప్రాసెసింగ్, ఎయిర్లైన్ రిజర్వేషన్ ప్రాసెస్లు, ఇన్సూరెన్స్ క్లెయిమ్ల ప్రక్రియలు మొదలైన కార్యకలాపాలు ఉంటాయి. లావాదేవీ వ్యవస్థ ఎంత ఎక్కువ పనితీరును కనబరుస్తుందో, ఆపరేషనల్ ప్రాసెస్ మరియు DSS (డిసిషన్ సపోర్ట్ సిస్టం) మధ్య విభజన అవసరం అంత స్పష్టంగా కనిపిస్తుంది. అయినప్పటికీ, హెచ్ఆర్ మరియు పర్సనల్ సిస్టమ్లతో, మీరు పెద్ద మొత్తంలో లావాదేవీలను ఎదుర్కోరు. మరియు, వాస్తవానికి, ఒక వ్యక్తిని నియమించినప్పుడు లేదా కంపెనీని విడిచిపెట్టినప్పుడు ఇది లావాదేవీకి సంబంధించిన రికార్డు. కానీ ఇతర సిస్టమ్లకు సంబంధించి, హెచ్ఆర్ మరియు పర్సనల్ సిస్టమ్లు చాలా లావాదేవీలను కలిగి ఉండవు. అందువల్ల, హెచ్ఆర్ మరియు పర్సనల్ సిస్టమ్స్లో డేటా వేర్హౌస్ అవసరం అనేది పూర్తిగా స్పష్టంగా లేదు. అనేక విధాలుగా ఈ వ్యవస్థలు DSS వ్యవస్థల సమ్మేళనాన్ని సూచిస్తాయి.
కానీ మీరు డేటా గిడ్డంగులు మరియు పీపుల్సాఫ్ట్తో వ్యవహరిస్తున్నట్లయితే పరిగణించవలసిన మరొక అంశం ఉంది. అనేక వాతావరణాలలో, i డటి మానవ మరియు వ్యక్తిగత వనరులు సంస్థ యొక్క ప్రాథమిక వ్యాపారానికి ద్వితీయమైనవి. చాలా కంపెనీలు తయారీ, అమ్మకాలు, సేవలు అందించడం మొదలైన వాటిలో పాల్గొంటాయి. మానవ వనరులు మరియు సిబ్బంది వ్యవస్థలు సాధారణంగా కంపెనీ యొక్క ప్రధాన వ్యాపార శ్రేణికి (లేదా మద్దతు) ద్వితీయంగా ఉంటాయి. అందువల్ల, ఇది అసహ్యకరమైనది మరియు అసౌకర్యంగా ఉంటుంది డేటా గిడ్డంగి మానవ వనరులు మరియు సిబ్బంది మద్దతు కోసం వేరు.
పీపుల్సాఫ్ట్ ఈ విషయంలో SAPకి చాలా భిన్నంగా ఉంటుంది. SAPతో, ఇది తప్పనిసరి డేటా గిడ్డంగి. పీపుల్సాఫ్ట్తో, ఇది అంత స్పష్టంగా లేదు. పీపుల్సాఫ్ట్తో డేటా వేర్హౌస్ ఐచ్ఛికం.
కోసం చెప్పగలిగే గొప్పదనం డటి పీపుల్సాఫ్ట్ అంటే డేటా గిడ్డంగి ఆర్కైవ్ చేయడానికి ఉపయోగించవచ్చు i డటి పాత మానవ మరియు వ్యక్తిగత వనరులకు సంబంధించినది. ఒక కంపెనీ ఉపయోగించాలనుకునే రెండవ కారణం డేటా గిడ్డంగి a
పీపుల్సాఫ్ట్ పర్యావరణానికి హాని కలిగించడం అనేది విశ్లేషణ సాధనాలకు యాక్సెస్ మరియు ఉచిత ప్రాప్యతను అనుమతించడం డటి పీపుల్సాఫ్ట్ ద్వారా. కానీ ఈ కారణాలకు మించి, డేటా గిడ్డంగిని కలిగి ఉండకపోవడమే ఉత్తమమైన సందర్భాలు ఉండవచ్చు డటి పీపుల్సాఫ్ట్.
క్లుప్తంగా
నిర్మాణం గురించి అనేక ఆలోచనలు ఉన్నాయి a డేటా గిడ్డంగి ERP సాఫ్ట్వేర్లో.
వీటిలో కొన్ని:
- ▪ అని కలిగి ఉండటం అర్ధమే డేటా గిడ్డంగి ఇది పరిశ్రమలో ఎవరితోనూ సమానంగా ఉందా?
- ▪ ERP ఎంత అనువైనది డేటా గిడ్డంగి సాఫ్ట్వేర్?
- ▪ ఒక ERP డేటా గిడ్డంగి సాఫ్ట్వేర్ వాల్యూమ్ను నిర్వహించగలదు డటి ఇది a లో ఉందిడేటా గిడ్డంగి అరేనా"?
- ▪ సమయం పరంగా, సులభమైన మరియు చవకైన నేపథ్యంలో ERP విక్రేత చేసే ట్రేస్ రికార్డింగ్ ఏమిటి, డటి? (చవకైన, సమయానికి, సులభంగా యాక్సెస్ చేయగల డేటాను డెలివరీ చేయడంపై ERP విక్రేతల ట్రాక్ రికార్డ్ ఏమిటి?)
- ▪ DSS ఆర్కిటెక్చర్ మరియు కార్పొరేట్ ఇన్ఫర్మేషన్ ఫ్యాక్టరీ గురించి ERP విక్రేత యొక్క అవగాహన ఏమిటి?
- ▪ ERP విక్రేతలు ఎలా సాధించాలో అర్థం చేసుకుంటారు డటి పర్యావరణం లోపల, కానీ వాటిని ఎలా ఎగుమతి చేయాలో కూడా వారికి అర్థమైందా?
- ▪ డేటా వేర్హౌసింగ్ టూల్స్కు ERP వెండర్ ఎంతవరకు అందుబాటులో ఉంది?
ఎక్కడ ఉంచాలో నిర్ణయించడంలో ఈ పరిగణనలన్నీ తప్పనిసరిగా చేయాలి డేటా గిడ్డంగి నేను హోస్ట్ చేస్తుంది డటి ERP మరియు ఇతరులు డటి. సాధారణంగా, వేరే విధంగా చేయడానికి బలమైన కారణం లేకపోతే, భవనం సిఫార్సు చేయబడింది డేటా గిడ్డంగి ERP విక్రేత పర్యావరణం వెలుపల. కాపిటోలో 1 BI సంస్థ యొక్క అవలోకనం కీలకాంశాలు:
ఇన్ఫర్మేషన్ రిపోజిటరీలు బిజినెస్ ఇంటెలిజెన్స్ (BI) ఆర్కిటెక్చర్కి విరుద్ధంగా పని చేస్తాయి:
కార్పొరేట్ సంస్కృతి మరియు IT BI సంస్థలను నిర్మించడంలో విజయాన్ని పరిమితం చేయగలవు.
BI సంస్థలకు సాంకేతికత పరిమిత కారకం కాదు. ఆర్కిటెక్ట్లు మరియు ప్రాజెక్ట్ ప్లానర్ల ప్రశ్న ఏమిటంటే సాంకేతికత ఉందా లేదా అనేది కాదు, కానీ వారు అందుబాటులో ఉన్న సాంకేతికతను సమర్థవంతంగా అమలు చేయగలరా.
చాలా కంపెనీలకు ఎ డేటా గిడ్డంగి ఇది పంపిణీ చేసే నిష్క్రియ డిపాజిట్ కంటే కొంచెం ఎక్కువ డటి అవసరమైన వినియోగదారులకు. ది డటి అవి మూల వ్యవస్థల నుండి సంగ్రహించబడ్డాయి మరియు లక్ష్య నిర్మాణాలుగా జనాభా కలిగి ఉంటాయి డేటా గిడ్డంగి. నేను డటి వారు కూడా ఏ అదృష్టం తో శుభ్రం చేయవచ్చు. అయితే అదనపు విలువ జోడించబడదు లేదా సేకరించబడదు డటి ఈ ప్రక్రియ సమయంలో.
ముఖ్యంగా, నిష్క్రియ Dw, ఉత్తమంగా, i మాత్రమే అందిస్తుంది డటి వినియోగదారు సంఘాలకు శుభ్రంగా మరియు కార్యాచరణ. సమాచార సృష్టి మరియు విశ్లేషణాత్మక అవగాహన పూర్తిగా వినియోగదారులపై ఆధారపడి ఉంటుంది. DW అని నిర్ణయించండి (డేటా గిడ్డంగి) విజయం అనేది ఆత్మాశ్రయమైనది. సమర్ధవంతంగా సేకరించడం, సమగ్రపరచడం మరియు శుభ్రపరిచే సామర్థ్యంపై మేము విజయాన్ని నిర్ధారించినట్లయితే డటి ఊహాజనిత ప్రాతిపదికన కార్పొరేట్, అప్పుడు అవును, DW విజయవంతమైంది. మరోవైపు, సంస్థలోని సమాచార సేకరణ, ఏకీకరణ మరియు దోపిడీని మొత్తంగా చూస్తే, DW వైఫల్యం. ఒక DW సమాచార విలువను తక్కువగా అందిస్తుంది. ఫలితంగా, వినియోగదారులు చేయవలసి వస్తుంది, తద్వారా సమాచార గోతులు సృష్టించబడతాయి. ఈ అధ్యాయం సంస్థ యొక్క BI (బిజినెస్ ఇంటెలిజెన్స్) నిర్మాణాన్ని సంగ్రహించడానికి సమగ్ర దృష్టిని అందిస్తుంది. మేము BI యొక్క వివరణతో ప్రారంభించి, సమాచారాన్ని అందించడానికి విరుద్ధంగా సమాచార రూపకల్పన మరియు అభివృద్ధి గురించి చర్చలకు వెళ్తాము. డటి వినియోగదారులకు. చర్చలు మీ BI ప్రయత్నాల విలువను లెక్కించడంపై దృష్టి పెడతాయి. మీ సంస్థ యొక్క BI నిర్మాణ అవసరాలను IBM ఎలా పరిష్కరిస్తుందో నిర్వచించడం ద్వారా మేము ముగించాము.
యొక్క ఆర్కిటెక్చర్ వివరణ BI సంస్థ
శక్తివంతమైన లావాదేవీ-ఆధారిత సమాచార వ్యవస్థలు ఇప్పుడు ప్రతి పెద్ద సంస్థలో సర్వసాధారణం, ప్రపంచవ్యాప్తంగా ఉన్న కార్పొరేషన్ల కోసం ఆట మైదానాన్ని సమర్ధవంతంగా సమం చేస్తాయి.
అయితే, పోటీగా మిగిలిపోవడానికి, ఇప్పుడు వారు ఇప్పటికే కలిగి ఉన్న సమాచారాన్ని తిరిగి కనుగొనే మరియు ఉపయోగించుకునే కంపెనీ సామర్థ్యాన్ని విప్లవాత్మకంగా మార్చగల విశ్లేషణాత్మకంగా ఆధారిత వ్యవస్థలు అవసరం. యొక్క గొప్పతనాన్ని అర్థం చేసుకోవడం నుండి ఈ విశ్లేషణాత్మక వ్యవస్థలు ఉద్భవించాయి డటి అందుబాటులో. BI సంస్థ అంతటా పనితీరును మెరుగుపరుస్తుంది. కంపెనీలు కస్టమర్-సప్లయర్ సంబంధాలను మెరుగుపరుస్తాయి, ఉత్పత్తులు మరియు సేవల లాభదాయకతను మెరుగుపరుస్తాయి, కొత్త మరియు మెరుగైన ఆఫర్లను ఉత్పత్తి చేయగలవు, ప్రమాదాన్ని నియంత్రించగలవు మరియు అనేక ఇతర లాభాలతో పాటు ఖర్చులను నాటకీయంగా తగ్గించగలవు. మార్కెట్ లక్ష్యాలను కలిగి ఉన్న అప్లికేషన్లకు కృతజ్ఞతలు తెలుపుతూ BIతో మీ కంపెనీ చివరకు కస్టమర్ సమాచారాన్ని పోటీ ఆస్తిగా ఉపయోగించడం ప్రారంభించింది.
సరైన వ్యాపార సాధనాలను కలిగి ఉండటం అంటే వంటి కీలక ప్రశ్నలకు ఖచ్చితమైన సమాధానాలను కలిగి ఉండటం:
- ▪ మాది వినియోగదారులు అవి మనకు ఎక్కువ సంపాదించేలా చేస్తాయా లేక డబ్బును పోగొట్టుకుంటాయా?
- ▪ మా ఉత్తమ నివాస స్థలం వినియోగదారులు సంబంధించి షాప్/ వారు తరచుగా చేసే గిడ్డంగి?
- ▪ మా ఉత్పత్తులు మరియు సేవలలో ఏది అత్యంత ప్రభావవంతంగా మరియు ఎవరికి విక్రయించబడవచ్చు?
- ▪ ఏ ఉత్పత్తులను అత్యంత ప్రభావవంతంగా మరియు ఎవరికి విక్రయించవచ్చు?
- ▪ ఏ విక్రయాల ప్రచారం అత్యంత విజయవంతమైంది మరియు ఎందుకు?
- ▪ ఏ ఉత్పత్తులకు ఏ విక్రయ ఛానెల్లు అత్యంత ప్రభావవంతంగా ఉంటాయి?
- ▪ మన ఉత్తమ వ్యక్తులతో సంబంధాలను ఎలా మెరుగుపరుచుకోవచ్చు వినియోగదారులు? చాలా కంపెనీలు ఉన్నాయి డటి ఈ ప్రశ్నలకు సమాధానమివ్వడానికి కఠినమైన మార్గాలు.
ఆపరేషనల్ సిస్టమ్స్ పెద్ద మొత్తంలో ఉత్పత్తి, కస్టమర్ మరియు డటి విక్రయ కేంద్రాలు, రిజర్వేషన్లు, కస్టమర్ సేవ మరియు సాంకేతిక మద్దతు వ్యవస్థల నుండి మార్కెట్. ఈ సమాచారాన్ని సంగ్రహించడం మరియు ఉపయోగించుకోవడం సవాలు. చాలా కంపెనీలు వాటి యొక్క చిన్న భిన్నాల నుండి మాత్రమే లాభపడతాయి డటి వ్యూహాత్మక విశ్లేషణల కోసం.
I డటి మిగిలినవి, తరచుగా iతో కలిపి ఉంటాయి డటి ప్రభుత్వ నివేదికలు మరియు ఇతర కొనుగోలు సమాచారం వంటి బాహ్య మూలాల నుండి తీసుకోబడినవి, అన్వేషించడానికి వేచి ఉన్న బంగారు గని, మరియు డటి వారు మీ సంస్థ యొక్క సమాచార సందర్భంలో శుద్ధి చేయబడాలి.
ఈ జ్ఞానాన్ని అనేక విధాలుగా అన్వయించవచ్చు, మొత్తం కార్పొరేట్ వ్యూహాన్ని రూపొందించడం నుండి సరఫరాదారులతో వ్యక్తిగత కమ్యూనికేషన్ వరకు, కాల్ సెంటర్లు, ఇన్వాయిస్, ఇంటర్నెట్ మరియు ఇతర పాయింట్లు. నేటి వ్యాపార వాతావరణం DW మరియు సంబంధిత BI సొల్యూషన్లు సాంప్రదాయ వ్యాపార నిర్మాణాలను అమలు చేయడం కంటే అభివృద్ధి చెందుతాయని నిర్దేశిస్తుంది. డటి నేను వంటి డటి పరమాణు స్థాయిలో సాధారణీకరించబడింది మరియు "నక్షత్రం/క్యూబ్ పొలాలు".
విస్తారమైన విశ్లేషణాత్మక ల్యాండ్స్కేప్కు మద్దతిచ్చే ప్రయత్నంలో సాంప్రదాయ మరియు అధునాతన సాంకేతికతల కలయికతో పోటీతత్వాన్ని కొనసాగించడం అవసరం.
ముగించడానికి, సాధారణ పర్యావరణం మొత్తం సంస్థ యొక్క జ్ఞానాన్ని మెరుగుపరచాలి, నిర్వహించిన విశ్లేషణల ఫలితంగా తీసుకున్న చర్యలు ఉపయోగకరంగా ఉన్నాయని నిర్ధారిస్తుంది, తద్వారా ప్రతి ఒక్కరూ ప్రయోజనం పొందుతారు.
ఉదాహరణకు, మీరు మీ స్వంతంగా ర్యాంక్ ఇచ్చారని అనుకుందాం వినియోగదారులు అధిక లేదా తక్కువ రిస్క్ కేటగిరీలుగా.
ఈ సమాచారం మోడల్ ఎక్స్ట్రాక్టర్ లేదా ఇతర మార్గాల ద్వారా రూపొందించబడినట్లయితే, అది తప్పనిసరిగా DWలో ఉంచబడాలి మరియు స్టాటిక్ రిపోర్ట్లు, స్ప్రెడ్షీట్లు, టేబుల్లు లేదా ఆన్లైన్ విశ్లేషణాత్మక ప్రాసెసింగ్ (OLAP) వంటి ఏదైనా యాక్సెస్ సాధనం ద్వారా ఎవరికైనా అందుబాటులో ఉంచాలి. .
అయితే, ప్రస్తుతం, ఈ రకమైన సమాచారం చాలా వరకు గోతులులోనే ఉంది డటి విశ్లేషణను రూపొందించే వ్యక్తులు లేదా విభాగాలు. సంస్థ, మొత్తంగా, అవగాహన కోసం చాలా తక్కువ లేదా ఎటువంటి దృశ్యమానతను కలిగి ఉంది. ఈ రకమైన సమాచార కంటెంట్ను మీ ఎంటర్ప్రైజ్ DWలో కలపడం ద్వారా మాత్రమే మీరు సమాచార గోళాలను తొలగించి, మీ DW వాతావరణాన్ని పెంచుకోవచ్చు.
BI సంస్థను అభివృద్ధి చేయడానికి రెండు ప్రధాన అడ్డంకులు ఉన్నాయి.
మొదట, మాకు సంస్థ యొక్క సమస్య మరియు దాని క్రమశిక్షణ ఉంది.
సంస్థాగత విధాన మార్పులతో మేము సహాయం చేయలేనప్పటికీ, సంస్థ యొక్క BI యొక్క భాగాలు, దాని నిర్మాణం మరియు IBM సాంకేతికత దాని అభివృద్ధిని ఎలా సులభతరం చేస్తుందో అర్థం చేసుకోవడంలో మేము సహాయం చేస్తాము.
అధిగమించడానికి రెండవ అవరోధం ఏమిటంటే, సమగ్ర సాంకేతిక పరిజ్ఞానం లేకపోవడం మరియు ఒక చిన్న భాగం కాకుండా మొత్తం BI స్థలాన్ని ఆవరించే పద్ధతి యొక్క జ్ఞానం.
IBM ఇంటిగ్రేషన్ టెక్నాలజీలో మార్పులతో పట్టుకు వస్తోంది. ఆలోచనాత్మకమైన డిజైన్ను అందించడం మీ బాధ్యత. ఈ ఆర్కిటెక్చర్ తప్పనిసరిగా అన్స్ట్రెయిన్డ్ ఇంటిగ్రేషన్ కోసం ఎంచుకున్న టెక్నాలజీతో లేదా కనీసం ఓపెన్ స్టాండర్డ్స్కు కట్టుబడి ఉండే టెక్నాలజీతో డెవలప్ చేయబడాలి. ఇంకా, మీ కంపెనీ మేనేజ్మెంట్ తప్పనిసరిగా BI అండర్టేకింగ్ ప్లాన్ ప్రకారం నిర్వహించబడుతుందని మరియు స్వీయ-సేవ ఎజెండాలు లేదా లక్ష్యాల నుండి ఉత్పన్నమయ్యే సమాచార గోతులు అభివృద్ధిని అనుమతించకూడదని నిర్ధారించుకోవాలి.
విభిన్న వినియోగదారుల యొక్క విభిన్న అవసరాలు మరియు అవసరాలకు ప్రతిస్పందించడానికి BI పర్యావరణం సున్నితంగా లేదని చెప్పలేము; బదులుగా, ఆ వ్యక్తిగత అవసరాలు మరియు అవసరాల అమలు మొత్తం BI సంస్థ ప్రయోజనం కోసం చేయబడుతుంది.
BI ఆర్గనైజేషన్ ఆర్కిటెక్చర్ యొక్క వివరణను మూర్తి 9లో 1.1వ పేజీలో చూడవచ్చు.ఆర్కిటెక్చర్ సాంకేతికతలు మరియు సాంకేతికతల యొక్క గొప్ప సమ్మేళనాన్ని ప్రదర్శిస్తుంది.
సాంప్రదాయ దృక్కోణం నుండి, ఆర్కిటెక్చర్ కింది గిడ్డంగి భాగాలను కలిగి ఉంటుంది
పరమాణు పొర (అటామిక్ లేయర్).
ఇది మొత్తం DWకి పునాది, అందువలన వ్యూహాత్మక రిపోర్టింగ్కు గుండెకాయ.
I డటి ఇక్కడ నిల్వ చేయబడిన చారిత్రక సమగ్రతను నిలుపుకుంటుంది, నివేదికలు డటి మరియు ఉత్పన్నమైన కొలమానాలు, అలాగే సంగ్రహించిన నమూనాలను ఉపయోగించి శుభ్రపరచడం, సమగ్రపరచడం మరియు నిల్వ చేయడం వంటివి ఉంటాయి.
వీటి యొక్క అన్ని తదుపరి ఉపయోగం డటి మరియు సంబంధిత సమాచారం ఈ నిర్మాణం నుండి తీసుకోబడింది. ఇది మైనింగ్ కోసం ఒక అద్భుతమైన మూలం డటి మరియు నిర్మాణాత్మక SQL ప్రశ్నలతో నివేదికల కోసం
యొక్క కార్యాచరణ గిడ్డంగి డటి లేదా నివేదిక ఆధారంగా డటి(ఆపరేషనల్ డేటా స్టోర్ (ODS) లేదా రిపోర్టింగ్ డేటాబేస్.)
ఇది ఒక నిర్మాణం డటి సాంకేతిక రిపోర్టింగ్ కోసం ప్రత్యేకంగా రూపొందించబడింది.
I డటి ఈ నిర్మాణాల పైన నిల్వ చేయబడిన మరియు నివేదించబడినవి చివరకు స్టేజింగ్ ఏరియా ద్వారా గిడ్డంగిలోకి వ్యాపించగలవు, ఇక్కడ దానిని వ్యూహాత్మక సిగ్నలింగ్ కోసం ఉపయోగించవచ్చు.
స్టేజింగ్ ప్రాంతం.
చాలా మందికి మొదటి స్టాప్ డటి గిడ్డంగి వాతావరణం కోసం ఉద్దేశించబడింది సంస్థ ప్రాంతం.
ఇక్కడ నేను డటి సమగ్రపరచబడి, శుభ్రపరచబడి, రూపాంతరం చెందుతాయి డటి గిడ్డంగి నిర్మాణం జనాదరణ పొందే లాభాలు
తేదీ మార్ట్స్.
ఆర్కిటెక్చర్ యొక్క ఈ భాగం నిర్మాణాన్ని సూచిస్తుంది డటి OLAP కోసం ప్రత్యేకంగా ఉపయోగించబడుతుంది. డేటామార్ట్ల ఉనికి, ఐతే డటి అతివ్యాప్తి చెందుతున్న స్టార్ స్కీమాలలో నిల్వ చేయబడతాయి డటి రిలేషనల్ వాతావరణంలో లేదా ఫైల్లలో బహుమితీయ డటి DB2 OLAP సర్వర్ వంటి నిర్దిష్ట OLAP సాంకేతికత ఉపయోగించే గోప్యత సంబంధితమైనది కాదు.
వాస్తు వినియోగాన్ని సులభతరం చేయడం మాత్రమే పరిమితి డటి బహుమితీయ.
ఆర్కిటెక్చర్ కీలకమైన BI సాంకేతికతలు మరియు సాంకేతికతలను కూడా కలిగి ఉంటుంది:
ప్రాదేశిక విశ్లేషణ
స్పేస్ అనేది విశ్లేషకుడికి ఒక సమాచార విండ్ఫాల్ మరియు పూర్తి రిజల్యూషన్కు కీలకం. స్పేస్ అనేది ఒక నిర్దిష్ట ప్రదేశంలో నివసించే వ్యక్తుల గురించి సమాచారాన్ని సూచిస్తుంది, అలాగే ఆ ప్రదేశం భౌతికంగా ప్రపంచంలోని ఇతర ప్రాంతాలకు సంబంధించి ఎక్కడ ఉందనే దాని గురించి సమాచారాన్ని సూచిస్తుంది.
ఈ విశ్లేషణను నిర్వహించడానికి, మీరు మీ సమాచారాన్ని అక్షాంశం మరియు రేఖాంశ కోఆర్డినేట్లకు జోడించడం ద్వారా ప్రారంభించాలి. ఇది "జియోకోడింగ్"గా సూచించబడుతుంది మరియు మీ గిడ్డంగి యొక్క పరమాణు స్థాయిలో ఎక్స్ట్రాక్ట్, ట్రాన్స్ఫార్మ్ మరియు లోడ్ (ETL) ప్రక్రియలో తప్పనిసరిగా భాగం అయి ఉండాలి.
డేటా మైనింగ్.
యొక్క వెలికితీత డటి సంఖ్యను పెంచుకోవడానికి మా కంపెనీలను అనుమతిస్తుంది వినియోగదారులు, అమ్మకాల పోకడలను అంచనా వేయడానికి మరియు సంబంధాల నిర్వహణను అనుమతించడానికి వినియోగదారులు (CRM), tra altre iniziative della BI.
యొక్క వెలికితీత డటి కనుక ఇది నిర్మాణాలతో ఏకీకృతం చేయబడాలి డటి సాంకేతికత మరియు సంబంధిత సాంకేతికతలను సమర్థవంతంగా మరియు సమర్ధవంతంగా ఉపయోగించడాన్ని నిర్ధారించడానికి DWhouse మరియు గిడ్డంగి ప్రక్రియల ద్వారా మద్దతునిస్తుంది.
BI ఆర్కిటెక్చర్లో సూచించినట్లుగా, Dwhouse యొక్క పరమాణు స్థాయి, అలాగే డేటామార్ట్లు ఒక అద్భుతమైన మూలం డటి వెలికితీత కోసం. విస్తృత ప్రేక్షకులకు లభ్యతను నిర్ధారించడానికి అదే సౌకర్యాలు తప్పనిసరిగా వెలికితీత ఫలితాల గ్రహీతలుగా ఉండాలి.
ఏజెంట్లు.
కంపెనీ యొక్క ఆపరేటింగ్ సిస్టమ్లు మరియు dw వంటి ప్రతి పాయింట్ కోసం కస్టమర్ను పరిశీలించడానికి వివిధ "ఏజెంట్"లు ఉన్నారు. ఈ ఏజెంట్లు ప్రతి పాయింట్లో ట్రెండ్ల గురించి తెలుసుకోవడానికి శిక్షణ పొందిన అధునాతన న్యూరల్ నెట్వర్క్లు కావచ్చు, అమ్మకాల ప్రమోషన్ల ఆధారంగా భవిష్యత్ ఉత్పత్తి డిమాండ్, ప్రతిస్పందించడానికి నియమ-ఆధారిత ఇంజిన్లు వంటివి. తేదీ పరిస్థితుల సమితి, లేదా "అగ్ర కార్యనిర్వాహకులకు" మినహాయింపులను నివేదించే సాధారణ ఏజెంట్లు కూడా. ఈ ప్రక్రియలు సాధారణంగా నిజ సమయంలో జరుగుతాయి మరియు అందువల్ల, వాటి కదలికతో దగ్గరగా ఉండాలి డటి. ఈ నిర్మాణాలన్నీ డటి, సాంకేతికతలు మరియు సాంకేతికతలు మీ BI యొక్క సంస్థను రూపొందించడానికి మీరు రాత్రంతా గడపరని హామీ ఇస్తున్నాయి.
ఈ కార్యాచరణ చిన్న పాయింట్ల కోసం పెరుగుతున్న దశల్లో అభివృద్ధి చేయబడుతుంది.
ప్రతి దశ ఒక స్వతంత్ర ప్రాజెక్ట్ ప్రయత్నం, మరియు మీ DW లేదా BI చొరవలో పునరుక్తిగా సూచించబడుతుంది. పునరావృత్తులు కొత్త సాంకేతికతలను అమలు చేయడం, కొత్త సాంకేతికతలతో ప్రారంభించడం, కొత్త నిర్మాణాలను జోడించడం వంటివి కలిగి ఉంటాయి డటి , లోడ్ అవుతోంది i డటి అదనపు, లేదా మీ పర్యావరణం యొక్క విశ్లేషణ విస్తరణతో. ఈ పేరా 3వ అధ్యాయంలో మరింత లోతుగా చర్చించబడింది.
సాంప్రదాయ DW నిర్మాణాలు మరియు BI టూల్స్తో పాటు మీ BI సంస్థ యొక్క ఇతర విధులు కూడా ఉన్నాయి, వీటిని మీరు డిజైన్ చేయాలి, అవి:
కస్టమర్ టచ్ పాయింట్లు (కస్టమర్ టచ్ పాయింట్లు).
ఏదైనా ఆధునిక సంస్థ మాదిరిగానే మీ కోసం సానుకూల అనుభవాన్ని ఎలా పొందాలో సూచించే అనేక కస్టమర్ టచ్ పాయింట్లు ఉన్నాయి వినియోగదారులు. రిటైలర్లు, స్విచ్బోర్డ్ ఆపరేటర్లు, డైరెక్ట్ మెయిల్, మల్టీమీడియా మరియు ప్రింట్ అడ్వర్టైజింగ్ వంటి సాంప్రదాయ ఛానెల్లు అలాగే ఇమెయిల్ మరియు వెబ్ వంటి మరిన్ని ప్రస్తుత ఛానెల్లు ఉన్నాయి. డటి కొంత పరిచయం ఉన్న ఉత్పత్తులను తప్పనిసరిగా కొనుగోలు చేయాలి, రవాణా చేయాలి, శుభ్రపరచాలి, ప్రాసెస్ చేయాలి మరియు సౌకర్యాల వద్ద జనాభా చేయాలి డటి BI యొక్క.
యొక్క స్థావరాలు డటి కార్యాచరణ మరియు వినియోగదారు సంఘాలు (ఆపరేషనల్
డేటాబేస్లు మరియు వినియోగదారు సంఘాలు).
యొక్క సంప్రదింపు పాయింట్ల ముగింపులో వినియోగదారులు పునాదులు కనిపిస్తాయి డటి కంపెనీ అప్లికేషన్ మరియు వినియోగదారు సంఘాలు. ది డటి ఉనికిలో ఉన్నాయి డటి సాంప్రదాయకమైన దానిని తప్పనిసరిగా కలిసి మరియు విలీనం చేయాలి డటి అవసరమైన సమాచారాన్ని సంతృప్తి పరచడానికి సంప్రదింపు పాయింట్ల నుండి ప్రవాహం.
విశ్లేషకులు. (విశ్లేషకులు)
BI పర్యావరణం యొక్క ప్రాథమిక లబ్ధిదారుడు విశ్లేషకుడు. ప్రస్తుత వెలికితీత నుండి ప్రయోజనం పొందేది అతనే డటి కార్యాచరణ, వివిధ వనరులతో ఏకీకృతం డటి , భౌగోళిక విశ్లేషణ (జియోకోడింగ్) వంటి లక్షణాలతో వృద్ధి చెందింది మరియు వెలికితీత, OLAP, అధునాతన SQL రిపోర్టింగ్ మరియు భౌగోళిక విశ్లేషణలను ప్రారంభించే BI సాంకేతికతలలో అందించబడింది. రిపోర్టింగ్ వాతావరణం కోసం ప్రాథమిక విశ్లేషకుల ఇంటర్ఫేస్ BI పోర్టల్.
అయితే, BI ఆర్కిటెక్చర్ నుండి ప్రయోజనం పొందేది విశ్లేషకుడు మాత్రమే కాదు.
కార్యనిర్వాహకులు, పెద్ద వినియోగదారు సంఘాలు మరియు సభ్యులు, సరఫరాదారులు మరియు i వినియోగదారులు ఎంటర్ప్రైజ్ BIలో ప్రయోజనాలను కనుగొనాలి.
బ్యాక్ ఫీడ్ లూప్.
BI ఆర్కిటెక్చర్ అనేది నేర్చుకునే వాతావరణం. యొక్క స్థిరమైన నిర్మాణాలను అనుమతించడం అభివృద్ధి యొక్క లక్షణ సూత్రం డటి ఉపయోగించిన BI సాంకేతికత మరియు వినియోగదారు తీసుకున్న చర్యల ద్వారా నవీకరించబడాలి. ఒక ఉదాహరణ కస్టమర్ స్కోరింగ్.
కొత్త సేవను ఉపయోగించడానికి విక్రయ విభాగం కస్టమర్ స్కోర్లను మోడల్ చేస్తే, సేవ నుండి ప్రయోజనం పొందే ఏకైక సమూహం సేల్స్ విభాగం మాత్రమే కాకూడదు.
బదులుగా, మోడల్ వెలికితీత ఎంటర్ప్రైజ్లోని డేటా ప్రవాహంలో సహజమైన భాగంగా నిర్వహించబడాలి మరియు కస్టమర్ స్కోర్లు వినియోగదారులందరికీ కనిపించే గిడ్డంగి సమాచార సందర్భంలో ఒక సమగ్ర భాగంగా మారాలి. DB2 UDB, DB2 OLAP సర్వర్తో సహా IBM యొక్క Bi-bI-సెంట్రిక్ సూట్ మూర్తి 1.1లో నిర్వచించబడిన చాలా ప్రధాన సాంకేతిక భాగాలను కలిగి ఉంటుంది.
మాకు కొనసాగింపు స్థాయిని అందించడానికి మరియు ప్రతి IBM ఉత్పత్తి మొత్తం BI స్కీమ్కి ఎలా సరిపోతుందో ప్రదర్శించడానికి పుస్తకంలోని ఈ ఉదాహరణలో కనిపించే విధంగా మేము ఆర్కిటెక్చర్ని ఉపయోగిస్తాము.
సమాచార కంటెంట్ను అందించడం (అందించడం సమాచార కంటెంట్)
మీ BI వాతావరణాన్ని రూపొందించడం, అభివృద్ధి చేయడం మరియు అమలు చేయడం చాలా కష్టమైన పని. డిజైన్ ప్రస్తుత మరియు భవిష్యత్తు వ్యాపార అవసరాలు రెండింటినీ స్వీకరించాలి. డిజైన్ దశలో కనిపించే అన్ని తీర్మానాలను చేర్చడానికి నిర్మాణ డ్రాయింగ్ తప్పనిసరిగా పూర్తి చేయాలి. అమలు తప్పనిసరిగా ఒకే ప్రయోజనానికి కట్టుబడి ఉండాలి: డిజైన్లో అధికారికంగా ప్రదర్శించబడిన మరియు వ్యాపార అవసరాలకు అనుగుణంగా BI నిర్మాణాన్ని అభివృద్ధి చేయడం.
క్రమశిక్షణ సాపేక్ష విజయాన్ని నిర్ధారిస్తుంది అని వాదించడం చాలా కష్టం.
మీరు ఒకేసారి BI వాతావరణాన్ని అభివృద్ధి చేయనందున ఇది చాలా సులభం, కానీ మీరు కాలక్రమేణా చిన్న దశల్లో దీన్ని చేస్తారు.
అయితే, మీ ఆర్కిటెక్చర్ యొక్క BI భాగాలను గుర్తించడం రెండు కారణాల వల్ల ముఖ్యమైనది: మీరు అన్ని తదుపరి సాంకేతిక నిర్మాణ నిర్ణయాలకు మార్గనిర్దేశం చేస్తారు.
మీరు చాలా నెలలుగా సాంకేతికత అవసరం పునరావృతం కానప్పటికీ, మీరు నిర్దిష్ట సాంకేతిక పరిజ్ఞానాన్ని ఉపయోగించడాన్ని స్పృహతో ప్లాన్ చేయగలరు.
మీ వ్యాపార అవసరాలను తగినంతగా అర్థం చేసుకోవడం వల్ల మీ ఆర్కిటెక్చర్ కోసం మీరు పొందే ఉత్పత్తుల రకాన్ని ప్రభావితం చేస్తుంది.
మీ నిర్మాణాన్ని రూపొందించడం మరియు అభివృద్ధి చేయడం మీ గిడ్డంగిని నిర్ధారిస్తుంది
యాదృచ్ఛిక సంఘటన కాదు, జాగ్రత్తగా నిర్మించబడిన "బాగా ఆలోచించిన". ఒపేరా మిశ్రమ సాంకేతికత యొక్క మొజాయిక్ వలె కళ.
డిజైన్ సమాచార కంటెంట్
అన్ని ప్రారంభ రూపకల్పనలు ఇప్పుడు మరియు భవిష్యత్తులో మొత్తం పర్యావరణానికి అవసరమైన కీలకమైన BI భాగాలపై దృష్టి పెట్టాలి మరియు గుర్తించాలి.
వ్యాపార అవసరాలు తెలుసుకోవడం ముఖ్యం.
ఏదైనా అధికారిక రూపకల్పన ప్రారంభం కావడానికి ముందే, ప్రాజెక్ట్ ప్లానర్ తరచుగా ఒకటి లేదా రెండు భాగాలను వెంటనే గుర్తించవచ్చు.
మీ ఆర్కిటెక్చర్ కోసం అవసరమైన భాగాల బ్యాలెన్స్, అయితే, సులభంగా కనుగొనబడదు. డిజైన్ దశలో, ఆర్కిటెక్చర్ యొక్క ప్రధాన భాగం వ్యాపార అవసరాలను గుర్తించడానికి పరిశోధనపై అప్లికేషన్ డెవలప్మెంట్ (JAD) సెషన్ను కలుపుతుంది.
కొన్నిసార్లు ఈ అవసరాలు ప్రశ్న మరియు రిపోర్టింగ్ సాధనాలకు అప్పగించబడతాయి.
ఉదాహరణకు, వినియోగదారులు ప్రస్తుత నివేదికను స్వయంచాలకంగా చేయాలనుకుంటే వారు రెండు ప్రస్తుత నివేదికలను ఏకీకృతం చేయడం ద్వారా మరియు వాటి కలయిక నుండి పొందిన గణనలను జోడించడం ద్వారా దానిని మాన్యువల్గా రూపొందించాలని పేర్కొన్నారు. డటి.
ఈ అవసరం చాలా సులభం అయినప్పటికీ, మీ సంస్థ కోసం రిపోర్టింగ్ సాధనాలను కొనుగోలు చేసేటప్పుడు మీరు తప్పనిసరిగా చేర్చాల్సిన ఫీచర్ యొక్క నిర్దిష్ట కార్యాచరణను ఇది నిర్వచిస్తుంది.
పూర్తి చిత్రాన్ని పొందేందుకు డిజైనర్ అదనపు అవసరాలను కూడా కొనసాగించాలి. వినియోగదారులు ఈ నివేదికకు సభ్యత్వాన్ని పొందాలనుకుంటున్నారా?
నివేదిక ఉపసమితులు రూపొందించబడి వివిధ వినియోగదారులకు ఇమెయిల్ పంపబడ్డాయా? వారు ఈ నివేదికను కంపెనీ పోర్టల్లో చూడాలనుకుంటున్నారా? ఈ అవసరాలన్నీ యూజర్లు కోరిన విధంగా మాన్యువల్ రిపోర్ట్ను భర్తీ చేయాల్సిన సాధారణ అవసరంలో భాగం. ఈ రకమైన అవసరాల యొక్క ప్రయోజనం ఏమిటంటే, ప్రతి ఒక్కరూ, వినియోగదారులు మరియు డిజైనర్లు, నివేదికల భావనపై అవగాహన కలిగి ఉంటారు.
ఇతర రకాల వ్యాపారాలు ఉన్నాయి, అయితే, మనం ప్లాన్ చేసుకోవాలి. వ్యాపార అవసరాలు వ్యూహాత్మక వ్యాపార ప్రశ్నల రూపంలో చెప్పబడినప్పుడు, నిపుణులైన డిజైనర్కు కొలత/వాస్తవం మరియు డైమెన్షనల్ అవసరాలను గుర్తించడం సులభం.
JAD వినియోగదారులు తమ అవసరాలను వ్యాపార సమస్య రూపంలో ఎలా చెప్పాలో తెలియకపోతే, డిజైనర్ అవసరాల సేకరణ సెషన్ను జంప్-స్టార్ట్ చేయడానికి తరచుగా ఉదాహరణలను అందిస్తారు.
నిపుణులైన డిజైనర్ వినియోగదారులకు వ్యూహాత్మక వ్యాపారాన్ని మాత్రమే కాకుండా, దానిని ఎలా రూపొందించాలో కూడా అర్థం చేసుకోవడంలో సహాయపడుతుంది.
అవసరాల సేకరణ విధానం అధ్యాయం 3లో చర్చించబడింది; ఇప్పుడు మేము అన్ని రకాల BI అవసరాలకు రూపకల్పన చేయవలసిన అవసరాన్ని సూచించాలనుకుంటున్నాము.
వ్యూహాత్మక వ్యాపార సమస్య వ్యాపార అవసరం మాత్రమే కాదు, డిజైన్ క్లూ కూడా. మీరు బహుమితీయ ప్రశ్నకు సమాధానం ఇవ్వవలసి వస్తే, మీరు గుర్తుంచుకోవాలి, ప్రస్తుతము i డటి డైమెన్షనల్, మరియు మీరు గుర్తుంచుకోవాల్సిన అవసరం ఉంటే డటి బహుమితీయ, మీరు ఏ రకమైన సాంకేతికత లేదా సాంకేతికతను ఉపయోగించాలో నిర్ణయించుకోవాలి.
మీరు రిజర్వు చేయబడిన క్యూబ్ స్టార్ స్కీమాను అమలు చేస్తున్నారా లేదా రెండింటినీ అమలు చేస్తున్నారా? మీరు గమనిస్తే, సాధారణ వ్యాపార సమస్య కూడా డిజైన్ను గణనీయంగా ప్రభావితం చేస్తుంది. కానీ ఈ రకమైన వ్యాపార అవసరాలు సాధారణమైనవి మరియు కనీసం ప్రాజెక్ట్ అనుభవం ఉన్న డిజైనర్లు మరియు ప్లానర్ల ద్వారా అర్థం చేసుకోవచ్చు.
OLAP సాంకేతికతలు మరియు మద్దతు గురించి తగినంత చర్చ జరిగింది మరియు విస్తృత శ్రేణి పరిష్కారాలు అందుబాటులో ఉన్నాయి. వ్యాపార డైమెన్షనల్ అవసరాలతో సరళమైన రిపోర్టింగ్ని తీసుకురావాల్సిన అవసరాన్ని మరియు ఈ అవసరాలు సాంకేతిక నిర్మాణ నిర్ణయాలను ఎలా ప్రభావితం చేస్తాయో ఇప్పటివరకు మేము ప్రస్తావించాము.
అయితే వినియోగదారులు లేదా Dw బృందానికి తక్షణమే అర్థం కాని అవసరాలు ఏమిటి? మీకు ఎప్పుడైనా ప్రాదేశిక విశ్లేషణ అవసరమా?
యొక్క మైనింగ్ నమూనాలు డటి అవి మీ భవిష్యత్తుకు అవసరమైన భాగం అవుతాయా? ఎవరికీ తెలుసు?
ఈ రకమైన సాంకేతికతలు సాధారణ వినియోగదారు సంఘాలు మరియు Dw బృంద సభ్యులకు బాగా తెలియవని గమనించడం ముఖ్యం, కొంత భాగం, అవి సాధారణంగా కొంతమంది అంతర్గత లేదా మూడవ పక్ష సాంకేతిక నిపుణులచే నిర్వహించబడవచ్చు. ఈ రకమైన సాంకేతికతలు సృష్టించే సమస్యల యొక్క విపరీతమైన సందర్భం. వినియోగదారులు వ్యాపార అవసరాలను వివరించలేకపోతే లేదా డిజైనర్లకు మార్గదర్శకత్వం అందించే విధంగా వాటిని రూపొందించలేకపోతే, వారు గుర్తించబడకపోవచ్చు లేదా అధ్వాన్నంగా, విస్మరించబడవచ్చు.
డిజైనర్ మరియు డెవలపర్ ఈ అధునాతనమైన కానీ క్లిష్టమైన సాంకేతికతల్లో ఒకదాని యొక్క అనువర్తనాన్ని గుర్తించలేనప్పుడు ఇది మరింత సమస్యాత్మకంగా మారుతుంది.
డిజైనర్లు చెప్పడం మనం తరచుగా విన్నట్లుగా, “సరే, మనం ఈ ఇతర విషయం పొందే వరకు దాన్ని ఎందుకు పక్కన పెట్టకూడదు? "వారు నిజంగా ప్రాధాన్యతలపై ఆసక్తి కలిగి ఉన్నారా లేదా వారు అర్థం చేసుకోని అవసరాలను తప్పించుకుంటున్నారా? ఇది చాలా మటుకు చివరి పరికల్పన. మూర్తి 1.3లో పేర్కొన్న విధంగా మీ విక్రయ బృందం వ్యాపార అవసరాన్ని తెలియజేసిందని అనుకుందాం, మీరు చూడగలిగినట్లుగా, ఆ అవసరం వ్యాపార సమస్య రూపంలో రూపొందించబడింది. ఈ సమస్య మరియు సాధారణ డైమెన్షనల్ సమస్య మధ్య వ్యత్యాసం దూరం. ఈ సందర్భంలో, విక్రయాల బృందం నెలవారీ ప్రాతిపదికన, ఉత్పత్తులు, గిడ్డంగులు మరియు దుకాణాల నుండి మొత్తం విక్రయాలను తెలుసుకోవాలనుకుంటుంది వినియోగదారులు వారు కొనుగోలు చేసిన గిడ్డంగికి 5 మైళ్ల దూరంలో నివసిస్తున్నారు.
పాపం, డిజైనర్లు లేదా ఆర్కిటెక్ట్లు "మాకు కస్టమర్, ఉత్పత్తి మరియు డటి డిపాజిట్ యొక్క. మరొక పునరావృతం వరకు దూరం ఉంచుదాం.
"తప్పు జవాబు. ఈ రకమైన వ్యాపార సమస్య BIకి సంబంధించినది. ఇది మా వ్యాపారం గురించి లోతైన అవగాహనను మరియు మా విశ్లేషకులకు బలమైన విశ్లేషణాత్మక స్థలాన్ని సూచిస్తుంది. BI అనేది సాధారణ క్వెరీయింగ్ లేదా స్టాండర్డ్ రిపోర్టింగ్ లేదా OLAPకి మించినది. ఈ సాంకేతికతలు మీ BIకి ముఖ్యమైనవి కాదని చెప్పలేము, కానీ వాటి స్వంతంగా అవి BI వాతావరణాన్ని సూచించవు.
సమాచార సందర్భం కోసం డిజైన్ (సమాచార కంటెంట్ కోసం డిజైన్)
ఇప్పుడు మేము వివిధ ప్రాథమిక భాగాలను వేరు చేసే వ్యాపార అవసరాలను గుర్తించాము, అవి తప్పనిసరిగా మొత్తం నిర్మాణ రూపకల్పనలో చేర్చబడాలి. కొన్ని BI కాంపోనెంట్లు మా ప్రారంభ ప్రయత్నాల్లో భాగంగా ఉన్నాయి, అయితే కొన్ని నెలలపాటు అమలు చేయబడవు.
అయినప్పటికీ, అన్ని తెలిసిన అవసరాలు డిజైన్లో ప్రతిబింబిస్తాయి, తద్వారా మేము నిర్దిష్ట సాంకేతికతను అమలు చేయవలసి వచ్చినప్పుడు, మేము అలా చేయడానికి సిద్ధంగా ఉన్నాము. ప్రాజెక్ట్ గురించి ఏదో సాంప్రదాయ ఆలోచనను ప్రతిబింబిస్తుంది.
ఈ సెట్ డటి యొక్క తదుపరి ఉపయోగాలకు మద్దతు ఇవ్వడానికి ఉపయోగించబడుతుంది డటి మేము గుర్తించిన వ్యాపార సమస్యల ద్వారా డైమెన్షనల్ మార్గదర్శకత్వం. యొక్క డిజైన్ అభివృద్ధి వంటి అదనపు పత్రాలు రూపొందించబడినందున డటి, నేను ఎలా అధికారికీకరించడం ప్రారంభిస్తాము డటి అవి వాతావరణంలో వ్యాపించాయి. i ప్రాతినిధ్యం వహించాల్సిన అవసరాన్ని మేము నిర్ధారించాము డటి డైమెన్షనల్ మార్గంలో, వాటిని (నిర్దిష్ట నిర్దిష్ట అవసరాలకు అనుగుణంగా) డేటా మార్ట్లుగా విభజించడం.
సమాధానం ఇవ్వాల్సిన తదుపరి ప్రశ్న: ఈ డేటా మార్ట్లు ఎలా నిర్మించబడతాయి?
మీరు క్యూబ్లకు మద్దతు ఇవ్వడానికి నక్షత్రాలను నిర్మిస్తారా, లేదా కేవలం ఘనాలను లేదా నక్షత్రాలను మాత్రమే నిర్మిస్తారా? (లేదా కుడి ఘనాలు, లేదా కుడి నక్షత్రాలు). అందరికీ అటామిక్ లేయర్ అవసరమయ్యే డిపెండెంట్ డేటా మార్ట్ల కోసం ఆర్కిటెక్చర్ను రూపొందించండి డటి మీరు సంపాదించారా? స్వతంత్ర డేటా మార్ట్లను పొందేందుకు అనుమతించండి i డటి నేరుగా ఆపరేటింగ్ సిస్టమ్స్ నుండి?
మీరు ఏ క్యూబ్ టెక్నాలజీని ప్రామాణీకరించడానికి ప్రయత్నిస్తారు?
మీకు భారీ సంఖ్యలో దేవతలు ఉన్నారు డటి డైమెన్షనల్ అనాలిసిస్ కోసం అవసరం లేదా మీ జాతీయ సేల్స్ ఫోర్స్ నుండి వారానికో లేదా రెండింటిలో మీకు క్యూబ్స్ కావాలా? మీరు ఫైనాన్స్ కోసం DB2 OLAP సర్వర్ లేదా మీ సేల్స్ ఆర్గనైజేషన్ కోసం కాగ్నోస్ పవర్ప్లే క్యూబ్లు లేదా రెండింటిని తయారు చేస్తున్నారా? ఇవి ఇక్కడ నుండి మీ BI పర్యావరణాన్ని ప్రభావితం చేసే పెద్ద నిర్మాణ రూపకల్పన నిర్ణయాలు. అవును, మీరు OLAP అవసరాన్ని ఏర్పాటు చేసారు. ఇప్పుడు మీరు ఆ రకమైన సాంకేతికత మరియు సాంకేతికతను ఎలా అమలు చేస్తారు?
కొన్ని అధునాతన సాంకేతికతలు మీ డిజైన్లను ఎలా ప్రభావితం చేస్తాయి? మీరు మీ సంస్థలో స్థలం అవసరాన్ని గుర్తించారని అనుకుందాం. మీరు చాలా నెలల పాటు ప్రాదేశిక భాగాలను తయారు చేయడానికి ప్లాన్ చేయకపోయినా, మీరు ఇప్పుడు నిర్మాణ డ్రాయింగ్ ఎడిషన్లను గుర్తుకు తెచ్చుకోవాలి. వాస్తుశిల్పి అవసరమైన వాటి ఆధారంగా ఈరోజు రూపకల్పన చేయాలి. ప్రాదేశిక విశ్లేషణల అవసరాన్ని ఊహించండి డటి ప్రాదేశికమైన. ఇది మీరు ప్రస్తుతం పరిగణించగల సాఫ్ట్వేర్ సాంకేతికత మరియు ప్లాట్ఫారమ్ స్పెసిఫికేషన్ల రకానికి సంబంధించి ప్రతిబంధకంగా ఉపయోగపడుతుంది. ఉదాహరణకు, పరిపాలన వ్యవస్థ డేటా బేస్ మీ అటామిక్ లేయర్ కోసం మీరు చేసే రిలేషనల్ లేయర్ (RDBMS) తప్పనిసరిగా బలమైన ప్రాదేశిక పొడిగింపును కలిగి ఉండాలి. ఇది మీ విశ్లేషణాత్మక అనువర్తనాల్లో జ్యామితి మరియు ప్రాదేశిక వస్తువులను ఉపయోగిస్తున్నప్పుడు గరిష్ట పనితీరును నిర్ధారిస్తుంది. మీ RDBMS నిర్వహించలేకపోతే డటి (ప్రాదేశిక-కేంద్రీకృత) అంతర్గతంగా, కాబట్టి మీరు a ఏర్పాటు చేయాలి డేటా బేస్ (ప్రాదేశిక-కేంద్రీకృత) బాహ్య. ఇది సమస్యల నిర్వహణను క్లిష్టతరం చేస్తుంది మరియు మీ మొత్తం పనితీరును రాజీ చేస్తుంది, మీ DBAల కోసం సృష్టించబడిన అదనపు సమస్యల గురించి ప్రత్యేకంగా చెప్పనక్కర్లేదు, ఎందుకంటే వారు బహుశా ప్రాథమిక విషయాలపై కనీస అవగాహన కలిగి ఉంటారు. డటి ప్రాదేశిక అలాగే. మరోవైపు, మీ RDMBS ఇంజిన్ అన్ని ప్రాదేశిక భాగాలను నిర్వహిస్తుంది మరియు దాని ఆప్టిమైజర్ ప్రాదేశిక వస్తువుల ప్రత్యేక అవసరాలను (ఉదాహరణకు, ఇండెక్సింగ్) గురించి తెలుసుకుంటే, మీ DBAలు సమస్యల నిర్వహణను సులభంగా నిర్వహించగలవు మరియు మీరు పనితీరును పెంచుకోవచ్చు.
అదనంగా, మీరు అడ్రస్ క్లీనప్ని చేర్చడానికి స్టేజింగ్ ఏరియా మరియు అటామిక్ ఎన్విరాన్మెంట్ లేయర్ని సర్దుబాటు చేయాలి (a
ప్రాదేశిక విశ్లేషణకు కీలకమైన అంశం), అలాగే అంతరిక్ష వస్తువుల తదుపరి పొదుపు. మేము స్పష్టమైన దిశ యొక్క భావనను ప్రవేశపెట్టిన తర్వాత డ్రాయింగ్ ఎడిషన్ల పరంపర కొనసాగుతోంది. ఒక విషయం ఏమిటంటే, ఈ అప్లికేషన్ మీ ETL ప్రయత్నానికి అవసరమైన సాఫ్ట్వేర్ రకాన్ని నిర్దేశిస్తుంది.
మీకు క్లీన్ అడ్రస్ను అందించడానికి Trillium వంటి ఉత్పత్తులు కావాలా లేదా ఆ కార్యాచరణను అందించడానికి మీకు నచ్చిన ETL విక్రేత?
ప్రస్తుతానికి మీరు మీ గిడ్డంగిని అమలు చేయడం ప్రారంభించే ముందు పూర్తి చేయవలసిన డిజైన్ స్థాయిని అభినందించడం ముఖ్యం. పైన పేర్కొన్న ఉదాహరణలు ఏదైనా నిర్దిష్ట వ్యాపార అవసరాల గుర్తింపును అనుసరించాల్సిన డిజైన్ నిర్ణయాల సమూహాన్ని ప్రదర్శించాలి. సరిగ్గా తీసుకున్నట్లయితే, ఈ డిజైన్ నిర్ణయాలు మీ పర్యావరణం యొక్క భౌతిక నిర్మాణాలు, ఉపయోగించిన సాంకేతికత ఎంపిక మరియు సమాచార కంటెంట్ యొక్క ప్రచారం యొక్క ప్రవాహం మధ్య పరస్పర ఆధారపడటాన్ని ప్రోత్సహిస్తాయి. ఈ సంప్రదాయ BI ఆర్కిటెక్చర్ లేకుండా, మీ సంస్థ ఇప్పటికే ఉన్న సాంకేతికతల యొక్క గందరగోళ మిశ్రమానికి లోబడి ఉంటుంది, స్పష్టమైన స్థిరత్వాన్ని అందించడానికి ఉత్తమంగా వదులుగా కుట్టబడి ఉంటుంది.
సమాచార కంటెంట్ను నిర్వహించండి
మీ సంస్థకు సమాచారం యొక్క విలువను తీసుకురావడం చాలా కష్టమైన పని. తగినంత అవగాహన మరియు అనుభవం లేదా సరైన ప్రణాళిక మరియు రూపకల్పన లేకుండా, ఉత్తమ జట్లు కూడా విఫలమవుతాయి. మరోవైపు, మీకు గొప్ప అంతర్బుద్ధి మరియు వివరణాత్మక ప్రణాళిక ఉంటే, కానీ అమలు చేయడానికి క్రమశిక్షణ లేకపోతే, మీరు మీ ప్రయత్నం విఫలమయ్యే అవకాశం ఉన్నందున మీరు మీ డబ్బు మరియు సమయాన్ని వృధా చేసుకున్నారు. సందేశం స్పష్టంగా ఉండాలి: మీకు వీటిలో ఒకటి లేదా అంతకంటే ఎక్కువ నైపుణ్యాలు, అవగాహన/అనుభవం లేదా ప్రణాళిక/రూపకల్పన లేదా అమలు క్రమశిక్షణ లేకుంటే, అది BI సంస్థ యొక్క భవనాన్ని నిర్వీర్యం చేస్తుంది లేదా నాశనం చేస్తుంది.
మీ బృందం తగినంతగా సిద్ధంగా ఉందా? BI పరిసరాలలో అందుబాటులో ఉన్న విస్తారమైన విశ్లేషణాత్మక ప్రకృతి దృశ్యాన్ని మరియు ఆ ప్రకృతి దృశ్యాన్ని నిర్వహించడానికి అవసరమైన సాంకేతికతలు మరియు సాంకేతికతలను అర్థం చేసుకున్న మీ BI బృందంలో ఎవరైనా ఉన్నారా? అడ్వాన్స్డ్ మధ్య అప్లికేషన్ వ్యత్యాసాన్ని గుర్తించగల ఎవరైనా మీ బృందంలో ఉన్నారా
స్టాటిక్ రిపోర్టింగ్ మరియు OLAP, లేదా ROLAP మరియు OLAP మధ్య తేడాలు? మీ బృంద సభ్యులలో ఒకరు ఎలా సంగ్రహించాలో మరియు అది గిడ్డంగిని ఎలా ప్రభావితం చేస్తుందో లేదా వేర్హౌస్ పనితీరును ఎలా సమర్ధించగలదో స్పష్టంగా గుర్తించారా? జట్టు సభ్యుడు దాని విలువను అర్థం చేసుకుంటాడు డటి స్పేస్ లేదా ఏజెంట్ ఆధారిత సాంకేతికత? మెసేజ్ బ్రోకర్ టెక్నాలజీకి వ్యతిరేకంగా ETL టూల్స్ యొక్క ప్రత్యేకమైన అప్లికేషన్ను మెచ్చుకునే ఎవరైనా మీ వద్ద ఉన్నారా? మీకు అది లేకుంటే, ఒకటి పొందండి. సాధారణీకరించిన పరమాణు పొర, OLAP, స్టార్ స్కీమాలు మరియు ODS కంటే BI చాలా పెద్దది.
BI అవసరాలు మరియు వాటి పరిష్కారాలను గుర్తించడంలో అవగాహన మరియు అనుభవం కలిగి ఉండటం వినియోగదారు అవసరాలను సరిగ్గా లాంఛనప్రాయంగా చేయడానికి మరియు వాటి పరిష్కారాలను రూపొందించడానికి మరియు అమలు చేయడానికి మీ సామర్థ్యానికి అవసరం. మీ వినియోగదారు సంఘానికి అవసరాలను వివరించడంలో ఇబ్బంది ఉంటే, ఆ అవగాహనను అందించడం గిడ్డంగి బృందం యొక్క పని. కానీ గిడ్డంగి జట్టు ఉంటే
BI యొక్క నిర్దిష్ట అనువర్తనాన్ని గుర్తించదు - ఉదాహరణకు, డేటా మైనింగ్ - అప్పుడు BI పరిసరాలను తరచుగా నిష్క్రియ రిపోజిటరీలుగా పరిమితం చేయడం ఉత్తమం కాదు. అయితే, ఈ సాంకేతికతలను విస్మరించడం వలన వాటి ప్రాముఖ్యత మరియు మీ సంస్థ యొక్క వ్యాపార గూఢచార సామర్థ్యాల ఆవిర్భావంపై వాటి ప్రభావం, అలాగే మీరు పెంపొందించడానికి ప్లాన్ చేస్తున్న సమాచార ల్యాండ్స్కేప్పై ప్రభావం తగ్గదు.
ప్రణాళిక తప్పనిసరిగా డ్రాయింగ్ యొక్క భావనను కలిగి ఉండాలి మరియు రెండింటికీ సమర్థుడైన వ్యక్తి అవసరం. అదనంగా, రూపకల్పనకు జట్టు గిడ్డంగి తత్వశాస్త్రం మరియు ప్రమాణాలకు కట్టుబడి ఉండటం అవసరం. ఉదాహరణకు, మీ కంపెనీ ఒక ప్రామాణిక ప్లాట్ఫారమ్ను ఏర్పాటు చేసి ఉంటే లేదా మీరు ప్లాట్ఫారమ్లో ప్రామాణికం చేయాలనుకుంటున్న నిర్దిష్ట RDBMSని గుర్తించినట్లయితే, ఆ ప్రమాణాలకు కట్టుబడి ఉండాల్సిన బాధ్యత జట్టులోని ప్రతి ఒక్కరిపై ఉంటుంది. సాధారణంగా ఒక బృందం ప్రామాణీకరణ (యూజర్ కమ్యూనిటీలకు) అవసరాన్ని బహిర్గతం చేస్తుంది, అయితే కంపెనీలోని ఇతర ప్రాంతాలలో లేదా బహుశా ఇలాంటి కంపెనీలలో కూడా ఏర్పాటు చేయబడిన ప్రమాణాలకు కట్టుబడి ఉండటానికి జట్టు ఇష్టపడదు. ఇది కపటమైనది మాత్రమే కాదు, ఇప్పటికే ఉన్న వనరులు మరియు పెట్టుబడులను దోపిడీ చేయడంలో కంపెనీ అసమర్థతను కలిగి ఉంది. ప్రామాణికం కాని ప్లాట్ఫారమ్ లేదా సాంకేతికతకు హామీ ఇచ్చే పరిస్థితులు లేవని దీని అర్థం కాదు; అయితే, గిడ్డంగి ప్రయత్నాలు
వ్యాపార అవసరాలు నిర్దేశించే వరకు వారు అసూయతో కంపెనీ ప్రమాణాలను కాపాడాలి.
BI సంస్థను నిర్మించడానికి అవసరమైన మూడవ కీలక భాగం క్రమశిక్షణ.
ఇది మొత్తం వ్యక్తులు మరియు పర్యావరణంపై సమానంగా ఆధారపడి ఉంటుంది. ప్రాజెక్ట్ ప్లానర్లు, స్పాన్సర్లు, వాస్తుశిల్పులు మరియు వినియోగదారులు సంస్థ యొక్క సమాచార నిర్మాణాన్ని రూపొందించడానికి అవసరమైన క్రమశిక్షణను తప్పక అభినందించాలి. సమాజంలో అవసరమైన ఇతర ప్రయత్నాలను పూర్తి చేసే విధంగా డిజైనర్లు తమ డిజైన్ ప్రయత్నాలను నిర్దేశించాలి.
ఉదాహరణకు, మీ కంపెనీ వేర్హౌస్ కాంపోనెంట్ను కలిగి ఉన్న ERP అప్లికేషన్ను రూపొందించిందని అనుకుందాం.
అందువల్ల ఇప్పటికే ప్రారంభించిన పనితో పోటీ పడకుండా లేదా నకిలీ చేయకుండా గిడ్డంగి పర్యావరణ బృందంతో సహకరించడం ERP డిజైనర్ల బాధ్యత.
క్రమశిక్షణ అనేది మొత్తం సంస్థచే తప్పనిసరిగా ప్రసంగించవలసిన అంశం మరియు సాధారణంగా స్థాపించబడి కార్యనిర్వాహక స్థాయికి అప్పగించబడుతుంది.
నిర్వాహకులు రూపొందించిన విధానాన్ని అనుసరించడానికి సిద్ధంగా ఉన్నారా? ఎంటర్ప్రైజ్లోని అన్ని రంగాలకు అంతిమంగా విలువను తెచ్చే సమాచార కంటెంట్ను రూపొందించడానికి హామీ ఇచ్చే విధానం, అయితే వ్యక్తిగత లేదా డిపార్ట్మెంటల్ ఎజెండాలను రాజీ చేస్తుందా? "ఒక విషయం గురించి ఆలోచించడం కంటే ప్రతిదాని గురించి ఆలోచించడం చాలా ముఖ్యం" అనే సామెతను గుర్తుంచుకోండి. ఈ సామెత BI సంస్థలకు నిజం.
దురదృష్టవశాత్తూ, అనేక గిడ్డంగులు సంస్థకు పెద్దగా సంబంధం లేకుండా, నిర్దిష్ట విభాగం లేదా నిర్దిష్ట వినియోగదారులను లక్ష్యంగా చేసుకుని విలువను తీసుకురావడానికి ప్రయత్నించడంపై తమ ప్రయత్నాలను కేంద్రీకరిస్తాయి. కార్యనిర్వాహకుడు వేర్హౌస్ బృందం నుండి సహాయాన్ని కోరినట్లు అనుకుందాం. బృందం 90 రోజుల ప్రయత్నంతో ప్రతిస్పందిస్తుంది, ఇందులో మేనేజర్ నిర్వచించిన నోటిఫికేషన్ అవసరాలను బట్వాడా చేయడమే కాకుండా అన్నీ ఉండేలా చూసుకోవాలి. డటి ప్రతిపాదిత క్యూబ్ టెక్నాలజీలో ప్రవేశపెట్టడానికి ముందు బేస్ పరమాణు స్థాయిలో మిశ్రమంగా ఉంటుంది.
ఈ ఇంజినీరింగ్ జోడింపు వార్డ్హౌస్ ఎంటర్ప్రైజ్ నుండి ప్రయోజనం పొందుతుందని నిర్ధారిస్తుంది డటి మేనేజర్ కోసం అవసరం.
అయితే, ఎగ్జిక్యూటివ్ బయటి కన్సల్టింగ్ సంస్థలతో మాట్లాడారు, వారు 4 వారాల కంటే తక్కువ సమయంలో డెలివరీతో ఇలాంటి అప్లికేషన్ను ప్రతిపాదించారు.
అంతర్గత గిడ్డంగి బృందం సమర్థంగా భావించి, కార్యనిర్వాహకుడికి ఎంపిక ఉంటుంది. ఇన్ఫర్మేషన్ అసెట్ ఎంటర్ప్రైజ్ను పెంపొందించడానికి అవసరమైన అదనపు ఇంజనీరింగ్ క్రమశిక్షణకు ఎవరు మద్దతు ఇవ్వగలరు లేదా వారి స్వంత పరిష్కారాన్ని త్వరగా నిర్మించుకోవడాన్ని ఎంచుకోవచ్చు. చివరిది చాలా తరచుగా ఎంపిక చేయబడినట్లు అనిపిస్తుంది మరియు కొంతమందికి లేదా వ్యక్తికి మాత్రమే ప్రయోజనం చేకూర్చే సమాచార కంటైనర్లను రూపొందించడానికి మాత్రమే ఉపయోగపడుతుంది.
స్వల్ప మరియు దీర్ఘకాలిక లక్ష్యాలు
ఆర్కిటెక్ట్లు మరియు ప్రాజెక్ట్ డిజైనర్లు BI సంస్థలో అభివృద్ధి కోసం మొత్తం నిర్మాణం మరియు ప్రణాళికల యొక్క దీర్ఘకాలిక దృష్టిని తప్పనిసరిగా అధికారికీకరించాలి. స్వల్పకాలిక లాభం మరియు దీర్ఘకాలిక ప్రణాళికల కలయిక BI ప్రయత్నాల యొక్క రెండు వైపులా ప్రాతినిధ్యం వహిస్తుంది. స్వల్పకాలిక లాభం అనేది మీ గిడ్డంగి యొక్క పునరావృతాలతో అనుబంధించబడిన BI యొక్క అంశం.
ఇక్కడే ప్లానర్లు, ఆర్కిటెక్ట్లు మరియు స్పాన్సర్లు నిర్దిష్ట వాణిజ్య అవసరాలను తీర్చడంపై దృష్టి పెడతారు. ఈ స్థాయిలోనే భౌతిక నిర్మాణాలు నిర్మించబడ్డాయి, సాంకేతికతను కొనుగోలు చేస్తారు మరియు సాంకేతికతలు అమలు చేయబడతాయి. నిర్దిష్ట వినియోగదారు సంఘాలచే నిర్వచించబడిన నిర్దిష్ట అవసరాలను పరిష్కరించడానికి అవి ఏ విధంగానూ రూపొందించబడలేదు. ఒక నిర్దిష్ట సంఘం నిర్వచించిన నిర్దిష్ట అవసరాలను పరిష్కరించడానికి ప్రతిదీ జరుగుతుంది.
అయితే, దీర్ఘకాలిక ప్రణాళిక అనేది BI యొక్క ఇతర అంశం. ఇక్కడే ప్లాన్లు మరియు డిజైన్లు ఏదైనా భౌతిక నిర్మాణం నిర్మించబడిందని నిర్ధారిస్తుంది, సాంకేతికతలు ఎంపిక చేయబడ్డాయి మరియు ఎంటర్ప్రైజ్ను దృష్టిలో ఉంచుకుని అమలు చేయబడిన సాంకేతికతలు. ఏదైనా స్వల్పకాలిక లాభాల నుండి వ్యాపార ప్రయోజనాలు ఉత్పన్నమయ్యేలా నిర్ధారించడానికి అవసరమైన సమన్వయాన్ని అందించే దీర్ఘకాలిక ప్రణాళిక ఇది.
మీ BI ప్రయత్నాన్ని సమర్థించండి
Un డేటా గిడ్డంగి దానికదే అంతర్లీన విలువ లేదు. మరో మాటలో చెప్పాలంటే, గిడ్డంగి సాంకేతికతలు మరియు అమలు పద్ధతుల మధ్య అంతర్లీన విలువ లేదు.
ఏదైనా గిడ్డంగి ప్రయత్నం యొక్క విలువ గిడ్డంగి వాతావరణం మరియు కాలక్రమేణా సాగు చేయబడిన సమాచార కంటెంట్ ఫలితంగా చేసిన చర్యలలో కనుగొనబడుతుంది. మీరు ఎప్పుడైనా ఎక్కడైనా చొరవ విలువను అంచనా వేయడానికి ప్రయత్నించే ముందు ఇది అర్థం చేసుకోవలసిన కీలకమైన అంశం.
చాలా తరచుగా, వాస్తుశిల్పులు మరియు డిజైనర్లు గిడ్డంగి యొక్క భౌతిక మరియు సాంకేతిక భాగాలకు విలువను వర్తింపజేయడానికి ప్రయత్నిస్తారు, వాస్తవానికి విలువ గిడ్డంగి మరియు బాగా సంపాదించిన సమాచారం ద్వారా సానుకూలంగా ప్రభావితం చేసే వ్యాపార ప్రక్రియలపై ఆధారపడి ఉంటుంది.
BIని స్థాపించే సవాలు ఇక్కడ ఉంది: మీరు పెట్టుబడిని ఎలా సమర్థిస్తారు? వేర్హౌస్కు అంతర్లీన విలువ లేనట్లయితే, నిర్దిష్ట వ్యాపార ప్రక్రియలు లేదా రక్షిత సమాచారం యొక్క విలువ లేదా రెండింటినీ మెరుగుపరచడానికి గిడ్డంగిని ఉపయోగించే వ్యక్తులు సాధించిన ప్రయోజనాలను ప్రాజెక్ట్ డిజైనర్లు తప్పనిసరిగా పరిశోధించాలి, నిర్వచించాలి మరియు అధికారికం చేయాలి.
విషయాలను క్లిష్టతరం చేయడానికి, గిడ్డంగుల ప్రయత్నాల ద్వారా ప్రభావితమైన ఏదైనా వ్యాపార ప్రక్రియ "గణనీయమైన" లేదా "కొద్దిగా" ప్రయోజనాలను అందిస్తుంది. గణనీయమైన ప్రయోజనాలు పెట్టుబడిపై రాబడిని (ROI) కొలవడానికి స్పష్టమైన మెట్రిక్ను అందిస్తాయి - ఉదాహరణకు, ఒక నిర్దిష్ట వ్యవధిలో లేదా రవాణాకు తక్కువ రవాణా ఖర్చు కోసం అదనపు సమయాన్ని ఇన్వెంటరీని మార్చడం. స్పష్టమైన విలువ పరంగా సమాచారానికి మెరుగైన యాక్సెస్ వంటి సూక్ష్మ ప్రయోజనాలను నిర్వచించడం కష్టం.
గురించి తెలుసుకోవడానికి మీ ప్రాజెక్ట్ను కనెక్ట్ చేయండి వ్యాపార అభ్యర్థనలు
చాలా తరచుగా, ప్రాజెక్ట్ ప్లానర్లు గిడ్డంగి విలువను నిరాకార సంస్థ లక్ష్యాలకు లింక్ చేయడానికి ప్రయత్నిస్తారు. "ఒక గిడ్డంగి విలువ వ్యూహాత్మక అభ్యర్థనలను సంతృప్తిపరిచే మా సామర్థ్యంపై ఆధారపడి ఉంటుంది" అని ప్రకటించడం ద్వారా మేము చర్చను ఆహ్లాదకరమైన రీతిలో ప్రారంభిస్తాము. కానీ ఇన్వెంటరీలో పెట్టుబడి పెట్టడం అర్ధమేనా అని నిర్ణయించడానికి ఇది మాత్రమే సరిపోదు. నిర్దిష్ట, తెలిసిన వ్యాపార డిమాండ్లతో వేర్హౌస్ పునరావృత్తులు లింక్ చేయడం ఉత్తమం.
ROIని కొలవడం
గిడ్డంగి సెట్టింగ్లో ROIని లెక్కించడం చాలా కష్టం. ప్రయోజనం ఉంటే ముఖ్యంగా కష్టం
ఒక నిర్దిష్ట పునరావృతం యొక్క ప్రధాన అంశం అనేది ప్రత్యక్షంగా లేదా కొలవడానికి సులభమైనది కాదు. BI చొరవల యొక్క రెండు ప్రధాన ప్రయోజనాలను వినియోగదారులు గ్రహించారని ఒక అధ్యయనం కనుగొంది:
- ▪ నిర్ణయాలను రూపొందించే సామర్థ్యాన్ని సృష్టించండి
- ▪ సమాచారానికి యాక్సెస్ని సృష్టించండి
ఈ ప్రయోజనాలు మృదువైన (లేదా తేలికపాటి) ప్రయోజనాలు. తగ్గిన రవాణా ఖర్చులు వంటి కఠినమైన (లేదా ప్రధానమైన) ప్రయోజనం ఆధారంగా మనం ROIని ఎలా లెక్కించవచ్చో చూడటం సులభం, అయితే మెరుగైన నిర్ణయాలు తీసుకునే సామర్థ్యాన్ని మనం ఎలా కొలుస్తాము?
ఒక నిర్దిష్ట గిడ్డంగి ప్రయత్నంలో పెట్టుబడి పెట్టడానికి కంపెనీని ఒప్పించేందుకు ప్రయత్నిస్తున్నప్పుడు ప్రాజెక్ట్ ప్లానర్లకు ఇది ఖచ్చితంగా సవాలుగా ఉంటుంది. అమ్మకాలు పెరగడం లేదా ఖర్చులను తగ్గించడం అనేది BI వాతావరణాన్ని నడిపించే ప్రధాన అంశాలు కాదు.
బదులుగా, మీరు సమాచారానికి మెరుగైన యాక్సెస్ కోసం వ్యాపార అభ్యర్థనలను చూస్తున్నారు, తద్వారా నిర్దిష్ట విభాగం వేగంగా నిర్ణయాలు తీసుకోగలదు. ఇవి ఎంటర్ప్రైజ్కు సమానంగా ముఖ్యమైనవి అయితే మరింత అస్పష్టంగా ఉంటాయి మరియు స్పష్టమైన మెట్రిక్లో వర్గీకరించడం కష్టతరమైన వ్యూహాత్మక డ్రైవర్లు. ఈ సందర్భంలో, ROIని లెక్కించడం అసంబద్ధం కాకపోయినా తప్పుదారి పట్టించవచ్చు.
నిర్దిష్ట పునరుక్తిలో పెట్టుబడి విలువైనదేనా కాదా అని నిర్ణయించడానికి కార్యనిర్వాహకుల కోసం ప్రాజెక్ట్ డిజైనర్లు తప్పనిసరిగా ప్రత్యక్ష విలువను ప్రదర్శించగలగాలి. అయినప్పటికీ, మేము ROIని గణించడానికి కొత్త పద్ధతిని ప్రతిపాదించము లేదా దానికి అనుకూలంగా లేదా వ్యతిరేకంగా ఎటువంటి వాదనలు చేయము.
ROIని లెక్కించే ప్రాథమిక అంశాలను చర్చించే అనేక కథనాలు మరియు పుస్తకాలు అందుబాటులో ఉన్నాయి. గార్ట్నర్ వంటి గ్రూప్లు అందించే వాల్యూ ఆన్ ఇన్వెస్టింగ్ (VOI) వంటి ప్రత్యేక విలువ ప్రతిపాదనలు ఉన్నాయి, వీటిని మీరు పరిశోధించవచ్చు. బదులుగా, మేము ఏదైనా ROI లేదా మీరు పరిగణించవలసిన ఇతర విలువ ప్రతిపాదనల యొక్క ప్రధాన అంశాలపై దృష్టి పెడతాము. ROIని వర్తింపజేస్తోంది BI ప్రయత్నాలతో అనుబంధించబడిన “కఠినమైన” ప్రయోజనాలు మరియు “మృదువైన” ప్రయోజనాల గురించి వాదనకు మించి ROIని వర్తింపజేసేటప్పుడు పరిగణించవలసిన ఇతర సమస్యలు ఉన్నాయి. ఉదాహరణకి:
ఏమైనప్పటికీ వచ్చే DW ప్రయత్నాలకు చాలా ఎక్కువ పొదుపులను ఆపాదించండి
మీ కంపెనీ మెయిన్ఫ్రేమ్ ఆర్కిటెక్చర్ నుండి పంపిణీ చేయబడిన UNIX పర్యావరణానికి మారిందని అనుకుందాం. కాబట్టి ఆ ప్రయత్నం నుండి గ్రహించబడే (లేదా చేయకపోయినా) ఏదైనా పొదుపు ప్రత్యేకంగా గిడ్డంగికి (?) ఆపాదించకూడదు.
ప్రతిదానికీ లెక్కలు చెప్పకపోవడం ఖర్చుతో కూడుకున్నది. మరియు పరిగణనలోకి తీసుకోవలసిన అనేక అంశాలు ఉన్నాయి. కింది జాబితాను పరిగణించండి:
- ▪ సాధ్యతతో సహా ప్రారంభ ఖర్చు.
- ▪ సంబంధిత నిల్వ మరియు కమ్యూనికేషన్లతో అంకితమైన హార్డ్వేర్ ధర
- ▪ నిర్వహణతో సహా సాఫ్ట్వేర్ ఖర్చు డటి మరియు క్లయింట్/సర్వర్ పొడిగింపులు, ETL సాఫ్ట్వేర్, DSS సాంకేతికతలు, విజువలైజేషన్ టూల్స్, షెడ్యూలింగ్ మరియు వర్క్ఫ్లో అప్లికేషన్లు మరియు మానిటరింగ్ సాఫ్ట్వేర్, .
- ▪ నిర్మాణ రూపకల్పన ధర డటి, యొక్క సృష్టి మరియు ఆప్టిమైజేషన్తో
- ▪ సాఫ్ట్వేర్ డెవలప్మెంట్ ఖర్చు నేరుగా BI ప్రయత్నంతో ముడిపడి ఉంటుంది
- ▪ సాఫ్ట్వేర్ వెర్షన్ నియంత్రణ మరియు సహాయ కార్యకలాపాలతో సహా పనితీరు ఆప్టిమైజేషన్తో సహా ఇంటి మద్దతు ధర "బిగ్-బ్యాంగ్" ROIని వర్తించండి. గిడ్డంగిని ఒకే విధంగా నిర్మించడం, భారీ ప్రయత్నం విఫలమవడం విచారకరం, కాబట్టి పెద్ద-సంస్థ చొరవ కోసం ROIని కూడా లెక్కించండి ఆఫర్ ఆశ్చర్యకరంగా ఉంది మరియు ప్లానర్లు మొత్తం ప్రయత్నం యొక్క విలువను అంచనా వేయడానికి బలహీనమైన ప్రయత్నాలను కొనసాగిస్తున్నారు . నిర్దిష్ట పునరావృత్తులు అంచనా వేయడం కష్టం అని విస్తృతంగా తెలిసిన మరియు అంగీకరించబడినట్లయితే, వ్యాపార చొరవపై ద్రవ్య విలువను ఉంచడానికి ప్లానర్లు ఎందుకు ప్రయత్నిస్తారు? ఇది ఎలా సాధ్యపడుతుంది? కొన్ని మినహాయింపులతో అది సాధ్యం కాదు. ఇది చేయవద్దు. ROIని లెక్కించేటప్పుడు ఏమి చేయకూడదో ఇప్పుడు మేము గుర్తించాము, మీ BI ప్రయత్నాల విలువను అంచనా వేయడానికి విశ్వసనీయ ప్రక్రియను ఏర్పాటు చేయడంలో మాకు సహాయపడే కొన్ని అంశాలు ఇక్కడ ఉన్నాయి.
ROI ఏకాభిప్రాయాన్ని పొందడం. మీ BI ప్రయత్నాల విలువను అంచనా వేయడానికి మీరు ఎంచుకున్న సాంకేతికతతో సంబంధం లేకుండా, ప్రాజెక్ట్ డిజైనర్లు, స్పాన్సర్లు మరియు బిజినెస్ ఎగ్జిక్యూటివ్లతో సహా అన్ని పక్షాలు తప్పనిసరిగా అంగీకరించాలి.
ROIని గుర్తించదగిన భాగాలుగా తగ్గించండి. ఒక ROIని సహేతుకంగా గణించడానికి అవసరమైన దశ ఆ గణనను నిర్దిష్ట ప్రాజెక్ట్పై కేంద్రీకరించడం. ఇది నిర్దిష్ట వ్యాపార అవసరాలు తీర్చబడిన దాని ఆధారంగా విలువను అంచనా వేయడానికి మిమ్మల్ని అనుమతిస్తుంది
ఖర్చులను నిర్వచించండి. చెప్పినట్లుగా, అనేక ఖర్చులను పరిగణనలోకి తీసుకోవాలి. ఇంకా, ఖర్చులు తప్పనిసరిగా ఒకే పునరావృతంతో అనుబంధించబడిన వాటిని మాత్రమే కాకుండా కంపెనీ ప్రమాణాలకు అనుగుణంగా ఉండేలా చూసేందుకు సంబంధించిన ఖర్చులను కూడా కలిగి ఉండాలి.
ప్రయోజనాలను నిర్వచించండి. నిర్దిష్ట వ్యాపార అవసరాలకు ROIని స్పష్టంగా లింక్ చేయడం ద్వారా, అవసరాలను తీర్చడానికి దారితీసే ప్రయోజనాలను మేము గుర్తించగలగాలి.
ఆసన్న లాభాలలో ఖర్చులు మరియు ప్రయోజనాలను తగ్గించండి. భవిష్యత్ ఆదాయాలలో భవిష్యత్తు విలువను అంచనా వేయడానికి ప్రయత్నించకుండా నికర ప్రస్తుత విలువ (NPV)పై మీ వాల్యుయేషన్లను బేస్ చేయడానికి ఇది ఉత్తమ మార్గం.
మీ ROIని విభజించే సమయాన్ని కనిష్టంగా ఉంచండి. ఇది మీ ROIలో ఉపయోగించబడిన సుదీర్ఘ కాలంలో చక్కగా డాక్యుమెంట్ చేయబడింది.
ఒకటి కంటే ఎక్కువ ROI సూత్రాలను ఉపయోగించండి. ROIని అంచనా వేయడానికి అనేక పద్ధతులు ఉన్నాయి మరియు నికర ప్రస్తుత విలువ, అంతర్గత రాబడి రేటు (IRR) మరియు పేబ్యాక్తో సహా వాటిలో ఒకటి లేదా అంతకంటే ఎక్కువ ఉపయోగించాలా అని మీరు ప్లాన్ చేసుకోవాలి.
పునరావృత ప్రక్రియను నిర్వచించండి. ఏదైనా దీర్ఘకాలిక విలువను లెక్కించడానికి ఇది కీలకం. అన్ని ప్రాజెక్ట్ పర్యవసానాలు అనుసరించడానికి ఒకే పునరావృత ప్రక్రియ డాక్యుమెంట్ చేయబడాలి.
జాబితా చేయబడిన సమస్యలు వేర్హౌస్ వాతావరణంలో నిపుణులచే నిర్వచించబడిన అత్యంత సాధారణమైనవి. "బిగ్-బ్యాంగ్" ROIని అందించాలని మేనేజ్మెంట్ యొక్క పట్టుదల చాలా దిక్కుతోచనిది. మీరు మీ అన్ని ROI గణనలను గుర్తించదగిన, ప్రత్యక్షమైన ముక్కలుగా విభజించడం ద్వారా ప్రారంభిస్తే, ఖచ్చితమైన ROI రేటింగ్ను అంచనా వేయడానికి మీకు మంచి అవకాశం ఉంటుంది.
ROI ప్రయోజనాలకు సంబంధించిన ప్రశ్నలు
మీ ప్రయోజనాలు ఏమైనప్పటికీ, మృదువైనవి లేదా కఠినమైనవి, మీరు వాటి విలువను గుర్తించడానికి కొన్ని ప్రాథమిక ప్రశ్నలను ఉపయోగించవచ్చు. ఉదాహరణకు, ఒక సాధారణ స్కేలింగ్ వ్యవస్థను ఉపయోగించి, 1 నుండి 10 వరకు, మీరు ఈ క్రింది ప్రశ్నలను ఉపయోగించి ఏదైనా ప్రయత్నం యొక్క ప్రభావాన్ని కొలవవచ్చు:
- మీరు అవగాహనను ఎలా రేట్ చేస్తారు డటి మీ కంపెనీ ఈ ప్రాజెక్ట్ని అనుసరిస్తున్నారా?
- ఈ ప్రాజెక్ట్ ఫలితంగా ప్రాసెస్ మెరుగుదలలను మీరు ఎలా అంచనా వేస్తారు?
- ఈ పునరావృతం ద్వారా ఇప్పుడు అందుబాటులోకి వచ్చిన కొత్త అంతర్దృష్టులు మరియు అనుమితుల ప్రభావాన్ని మీరు ఎలా కొలుస్తారు
- నేర్చుకున్న దాని ఫలితంగా కొత్త, అధిక-పనితీరు గల కంప్యూటింగ్ పరిసరాల ప్రభావం ఏమిటి? ఈ ప్రశ్నలకు సమాధానాలు తక్కువగా ఉంటే, కంపెనీ పెట్టిన పెట్టుబడికి తగినది కాదు. అధిక స్కోరింగ్ ప్రశ్నలు గణనీయమైన విలువ లాభాలను సూచిస్తాయి మరియు తదుపరి పరిశోధనకు మార్గదర్శకాలుగా ఉపయోగపడతాయి. ఉదాహరణకు, ప్రక్రియ మెరుగుదలల కోసం అధిక స్కోర్, ప్రక్రియలు ఎలా మెరుగుపడ్డాయో పరిశీలించడానికి డిజైనర్లను దారి తీయాలి. మీరు సంపాదించిన కొన్ని లేదా అన్ని లాభాలు ప్రత్యక్షమైనవని కనుగొనవచ్చు మరియు అందువల్ల ద్రవ్య విలువను తక్షణమే అన్వయించవచ్చు. యొక్క మొదటి పునరావృతం నుండి అత్యధిక ప్రయోజనాలను పొందడం గిడ్డంగి మీ ఎంటర్ప్రైజ్ ప్రయత్నం యొక్క గొప్ప ఫలితం తరచుగా మొదటి కొన్ని పునరావృతాలలో ఉంటుంది. ఈ ప్రారంభ ప్రయత్నాలు సాంప్రదాయకంగా ప్రజలకు అత్యంత ఉపయోగకరమైన సమాచార కంటెంట్ను ఏర్పాటు చేస్తాయి మరియు తదుపరి BI అప్లికేషన్ల కోసం సాంకేతిక పునాదిని ఏర్పాటు చేయడంలో సహాయపడతాయి. సాధారణంగా ప్రతి తదుపరి తదుపరి డటి గిడ్డంగి ప్రాజెక్టులు సాధారణంగా కంపెనీకి తక్కువ మరియు తక్కువ అదనపు విలువను తెస్తాయి. పునరావృతం కొత్త అంశాలను జోడించకపోతే లేదా కొత్త వినియోగదారు సంఘం అవసరాలను తీర్చకపోతే ఇది ప్రత్యేకంగా వర్తిస్తుంది.
ఈ నిల్వ ఫీచర్ పెరుగుతున్న స్టాక్లకు కూడా వర్తిస్తుంది డటి చరిత్రకారులు. తదుపరి ప్రయత్నాలకు మరింత అవసరం కాబట్టి డటి మరియు ఎంత ఎక్కువ డటి కాలక్రమేణా గిడ్డంగిలోకి పోస్తారు, చాలా వరకు డటి ఉపయోగించిన విశ్లేషణకు తక్కువ సంబంధితంగా మారుతుంది. ఇవి డటి వారు తరచుగా పిలుస్తారు డటి నిద్రాణమైన మరియు వాటిని ఉంచడం ఎల్లప్పుడూ ఖరీదైనది ఎందుకంటే అవి దాదాపు ఎప్పుడూ ఉపయోగించబడవు.
ప్రాజెక్ట్ స్పాన్సర్లకు దీని అర్థం ఏమిటి? ముఖ్యంగా, ప్రారంభ స్పాన్సర్లు పెట్టుబడి ఖర్చుల కంటే ఎక్కువగా పంచుకుంటారు. ఇది ప్రాథమికమైనది ఎందుకంటే అవి సేంద్రీయంతో సహా గిడ్డంగి యొక్క విస్తృత సాంకేతిక పర్యావరణం మరియు వనరుల పొరను స్థాపించడానికి ప్రేరణగా ఉంటాయి.
కానీ ఈ మొదటి దశలు అత్యధిక విలువను తెస్తాయి మరియు అందువల్ల ప్రాజెక్ట్ డిజైనర్లు తరచుగా పెట్టుబడిని సమర్థించవలసి ఉంటుంది.
మీ BI చొరవ తర్వాత చేసిన ప్రాజెక్ట్లు తక్కువ (మొదటి వాటితో పోలిస్తే) మరియు ప్రత్యక్ష ఖర్చులను కలిగి ఉండవచ్చు, కానీ కంపెనీకి తక్కువ విలువను అందిస్తాయి.
మరియు సంస్థ యజమానులు సంచితాన్ని విసిరేయడాన్ని పరిగణించడం ప్రారంభించాలి డటి మరియు తక్కువ సంబంధిత సాంకేతికతలు.
డేటా మైనింగ్: వెలికితీత డటి
అనేక నిర్మాణ భాగాలకు డేటా మైనింగ్ సాంకేతికతలు మరియు సాంకేతికతలలో వైవిధ్యాలు అవసరం-
ఉదాహరణకు, వివిధ "ఏజెంట్" యొక్క ఆసక్తి అంశాలను పరిశీలించడానికి వినియోగదారులు, కంపెనీ ఆపరేటింగ్ సిస్టమ్స్ మరియు dw కోసం. ఈ ఏజెంట్లు అమ్మకాల ప్రమోషన్ల ఆధారంగా భవిష్యత్ ఉత్పత్తి డిమాండ్ వంటి POT ట్రెండ్లపై శిక్షణ పొందిన అధునాతన న్యూరల్ నెట్వర్క్లు కావచ్చు; సెట్కి ప్రతిస్పందించడానికి నియమాల ఆధారిత ఇంజిన్లు తేదీ పరిస్థితులలో, ఉదాహరణకు, వైద్య నిర్ధారణ మరియు చికిత్స సిఫార్సులు; లేదా టాప్ ఎగ్జిక్యూటివ్లకు మినహాయింపులను నివేదించే పాత్రతో సాధారణ ఏజెంట్లు కూడా. సాధారణంగా ఈ వెలికితీత ప్రక్రియలు డటి si
నిజ సమయంలో ధృవీకరించండి; అందువలన, వారు ఉద్యమంతో పూర్తిగా ఐక్యంగా ఉండాలి డటి స్టెసి.
ఆన్లైన్ ఎనలిటిక్ ప్రాసెసింగ్ ప్రాసెసింగ్
ఆన్లైన్ విశ్లేషణలు
ముక్కలు, పాచికలు, రోల్, డ్రిల్ డౌన్ మరియు విశ్లేషణ చేయగల సామర్థ్యం
IBM టెక్నాలజీ సూట్ యొక్క ఫోకస్ పరిధిలో ఏమి ఉంటే. ఉదాహరణకు, సాఫ్ట్వేర్ ఇంజిన్లో డైమెన్షనల్ విశ్లేషణను తీసుకువచ్చే DB2 కోసం ఆన్లైన్ విశ్లేషణాత్మక ప్రాసెసింగ్ (OLAP) ఫంక్షన్లు ఉన్నాయి. డేటాబేస్ అదే .
DB2 యొక్క సహజ భాగమైన అన్ని ప్రయోజనాల ప్రయోజనాన్ని పొందుతున్నప్పుడు విధులు SQLకి డైమెన్షనల్ యుటిలిటీని జోడిస్తాయి. OLAP ఏకీకరణకు మరొక ఉదాహరణ సంగ్రహణ సాధనం, DB2 OLAP సర్వర్ ఎనలైజర్. ఈ సాంకేతికత DB2 OLAP సర్వర్ క్యూబ్లను త్వరితంగా మరియు స్వయంచాలకంగా విశ్లేషించి విలువ విలువలను గుర్తించడానికి మరియు నివేదించడానికి అనుమతిస్తుంది డటి వ్యాపార విశ్లేషకుడికి క్యూబ్ అంతటా అసాధారణమైనది లేదా ఊహించనిది. చివరగా, DW సెంటర్ ఫీచర్లు ఆర్కిటెక్ట్లకు ఇతర విషయాలతోపాటు, ETL ప్రక్రియలలో సహజమైన భాగంగా DB2 OLAP సర్వర్ క్యూబ్ ప్రొఫైల్ను నియంత్రించడానికి ఒక మార్గాన్ని అందిస్తాయి.
ప్రాదేశిక విశ్లేషణ ప్రాదేశిక విశ్లేషణ
పనోరమా కోసం అవసరమైన విశ్లేషణాత్మక యాంకర్లలో (లీడ్లు) సగభాగాన్ని స్పేస్ సూచిస్తుంది
విస్తృత విశ్లేషణాత్మక (సమయం మిగిలిన సగం సూచిస్తుంది). గిడ్డంగి యొక్క పరమాణు-స్థాయి, మూర్తి 1.1లో చిత్రీకరించబడింది, ఇది సమయం మరియు స్థలం ప్రాథమికాలను కలిగి ఉంటుంది. టైమ్ స్టాంపులు యాంకర్ విశ్లేషణలను సమయం మరియు చిరునామా సమాచార యాంకర్ విశ్లేషణలు స్పేస్ ద్వారా. టైమ్స్టాంప్లు సమయం ద్వారా విశ్లేషణను నిర్వహిస్తాయి మరియు చిరునామా సమాచారం స్థలం ద్వారా విశ్లేషణను నిర్వహిస్తుంది. రేఖాచిత్రం జియోకోడింగ్ను చూపుతుంది - అడ్రస్లను మ్యాప్లోని పాయింట్లుగా లేదా స్పేస్లోని పాయింట్లుగా మార్చే ప్రక్రియ, తద్వారా దూరం మరియు లోపల/వెలుపల వంటి భావనలను విశ్లేషణలో ఉపయోగించవచ్చు - పరమాణు స్థాయిలో నిర్వహించబడుతుంది మరియు అందుబాటులో ఉన్న ప్రాదేశిక విశ్లేషణ విశ్లేషకుడు. IBM ప్రాదేశిక పొడిగింపులను అందిస్తుంది, ఎన్విరాన్మెంటల్ సిస్టమ్ రీసెర్చ్ ఇన్స్టిట్యూట్ (ESRI)తో అభివృద్ధి చేయబడింది డేటాబేస్ DB2 తద్వారా అంతరిక్ష వస్తువులు సాధారణ భాగం వలె నిల్వ చేయబడతాయి డేటాబేస్ సంబంధమైన. DB2
స్పేషియల్ ఎక్స్టెండర్లు, ప్రాదేశిక విశ్లేషణను ఉపయోగించుకోవడానికి అన్ని SQL పొడిగింపులను కూడా అందిస్తాయి. ఉదాహరణకు, వ్యతిరేకంగా ప్రశ్నించడానికి SQL పొడిగింపులు
చిరునామాల మధ్య దూరం లేదా ఒక బిందువు నిర్వచించబడిన బహుభుజి ప్రాంతం లోపల లేదా వెలుపల ఉందా అనేది స్పేషియల్ ఎక్స్టెండర్తో కూడిన విశ్లేషణాత్మక ప్రమాణం. మరింత సమాచారం కోసం 16వ అధ్యాయం చూడండి.
డేటాబేస్-రెసిడెంట్ టూల్స్ టూల్స్ డేటాబేస్-నివాసి
DB2 విశ్లేషణ చర్యలో సహాయపడే అనేక BI-నివాస SQL లక్షణాలను కలిగి ఉంది. వీటితొ పాటు:
- "అన్ని విమాన మార్గాలను కనుగొనడం వంటి విశ్లేషణను నిర్వహించడానికి రికర్షన్ విధులు శాన్ ఫ్రాన్సిస్కొ a న్యూ యార్క్".
- సాధారణంగా OLAP సాంకేతికతతో మాత్రమే జరిగే పనులను సులభతరం చేయడానికి ర్యాంకింగ్, క్యుములేటివ్ ఫంక్షన్లు, క్యూబ్ మరియు రోల్అప్ కోసం విశ్లేషణాత్మక విధులు ఇప్పుడు ఇంజిన్లో సహజమైన భాగం డేటాబేస్
- ఫలితాలను కలిగి ఉన్న పట్టికలను సృష్టించగల సామర్థ్యం
యొక్క విక్రేతలు డేటాబేస్ నాయకులు మరిన్ని BI సామర్థ్యాలను మిళితం చేస్తారు డేటాబేస్ అదే.
యొక్క ప్రధాన సరఫరాదారులు డేటా బేస్ వారు మరిన్ని BI సామర్థ్యాలను మిళితం చేస్తున్నారు డేటాబేస్ అదే.
ఇది BI పరిష్కారాల కోసం మెరుగైన పనితీరు మరియు మరిన్ని అమలు ఎంపికలను అందిస్తుంది.
DB2 V8 యొక్క లక్షణాలు మరియు విధులు క్రింది అధ్యాయాలలో వివరంగా చర్చించబడ్డాయి:
టెక్నికల్ ఆర్కిటెక్చర్ మరియు డేటా మేనేజ్మెంట్ ఫౌండేషన్స్ (చాప్టర్ 5)
- DB2 BI ఫండమెంటల్స్ (చాప్టర్ 6)
- DB2 మెటీరియలైజ్డ్ క్వెరీ టేబుల్స్ (చాప్టర్ 7)
- DB2 OLAP విధులు (చాప్టర్ 13)
- DB2 మెరుగుపరచబడిన BI ఫీచర్లు మరియు విధులు (చాప్టర్ 15) సరళీకృత డేటా డెలివరీ సిస్టమ్ యొక్క డెలివరీ సిస్టమ్ డటి సరళీకృతం చేయబడింది
మూర్తి 1.1లో చిత్రీకరించబడిన నిర్మాణం అనేక నిర్మాణాలను కలిగి ఉంది డటి భౌతిక. ఒకటి గిడ్డంగి డటి ఆపరేటింగ్. సాధారణంగా, ODS అనేది సబ్జెక్ట్ ఓరియెంటెడ్, ఇంటిగ్రేటెడ్ మరియు ప్రస్తుత వస్తువు. మీరు సపోర్ట్ చేయడానికి ODSని నిర్మిస్తారు, ఉదాహరణకు, సేల్స్ ఆఫీస్. ODS అమ్మకాలు అనుబంధంగా ఉంటాయి డటి అనేక విభిన్న సిస్టమ్ల నుండి కానీ కేవలం నేటి లావాదేవీలను మాత్రమే కలిగి ఉంటుంది. ODS కూడా రోజుకు చాలా సార్లు నవీకరించబడుతుంది. అదే సమయంలో, ప్రక్రియలు పుష్ డటి ఇతర అనువర్తనాల్లో విలీనం చేయబడింది. ఈ నిర్మాణం ప్రత్యేకంగా ఏకీకృతం చేయడానికి రూపొందించబడింది డటి ప్రస్తుత మరియు డైనమిక్ మరియు సేవా ఏజెంట్లకు అందించడం వంటి నిజ-సమయ విశ్లేషణలకు మద్దతు ఇచ్చే అవకాశం ఉన్న అభ్యర్థి వినియోగదారులు గిడ్డంగి నుండే విక్రయాల ట్రెండ్ సమాచారాన్ని సేకరించడం ద్వారా కస్టమర్ యొక్క ప్రస్తుత అమ్మకాల సమాచారం. మూర్తి 1.1లో చూపబడిన మరొక నిర్మాణం dw కోసం ఒక అధికారిక స్థితి. అవసరమైన ఏకీకరణను, నాణ్యతను అమలు చేయడానికి ఇది స్థలం మాత్రమే కాదు డటి, మరియు యొక్క పరివర్తన డటి ఇన్కమింగ్ వేర్హౌస్, అయితే ఇది నమ్మదగిన మరియు తాత్కాలిక నిల్వ ప్రాంతం డటి నిజ-సమయ విశ్లేషణలలో ఉపయోగించగల ప్రతిరూపాలు. మీరు ODS లేదా స్టేజింగ్ ప్రాంతాన్ని ఉపయోగించాలని నిర్ణయించుకుంటే, ఈ నిర్మాణాలను విస్తరించడానికి ఉత్తమ సాధనాల్లో ఇది ఒకటి డటి విభిన్న కార్యాచరణ మూలాలను ఉపయోగించడం అనేది DB2 యొక్క భిన్నమైన పంపిణీ ప్రశ్న. ఈ సామర్ధ్యం DB2 రిలేషనల్ కనెక్ట్ (ప్రశ్న మాత్రమే) అని పిలువబడే ఐచ్ఛిక DB2 ఫీచర్ ద్వారా మరియు DB2 DataJoiner (విజాతీయంగా పంపిణీ చేయబడిన RDBMSలకు క్వెరీ, ఇన్సర్ట్, అప్డేట్ మరియు డిలీట్ సామర్ధ్యాన్ని అందించే ప్రత్యేక ఉత్పత్తి) ద్వారా అందించబడుతుంది.
ఈ సాంకేతికత ఆర్కిటెక్ట్లను అనుమతిస్తుంది డటి కట్టాలి డటి విశ్లేషణాత్మక ప్రక్రియలతో ఉత్పత్తి. సాంకేతికత వాస్తవ-సమయ విశ్లేషణలతో ఉత్పన్నమయ్యే ఏదైనా ప్రతిరూపణ డిమాండ్లకు అనుగుణంగా మాత్రమే కాకుండా, ఇది అనేక రకాల బేస్లకు కనెక్ట్ చేయగలదు. డటి DB2, Oracle, Sybase, SQL సర్వర్, ఇన్ఫార్మిక్స్ మరియు ఇతర వాటితో సహా అత్యంత ప్రజాదరణ పొందింది. DB2 DataJoiner నిర్మాణాన్ని పూరించడానికి ఉపయోగించవచ్చు డటి అధికారికంగా ODS లేదా వేర్హౌస్లో ప్రాతినిధ్యం వహించే శాశ్వత పట్టిక కూడా తక్షణ నవీకరణల శీఘ్ర పునరుద్ధరణ కోసం లేదా అమ్మకానికి కోసం రూపొందించబడింది. వాస్తవానికి, ఇదే నిర్మాణాలు డటి ఉపయోగించి జనాభా చేయవచ్చు
ప్రతిరూపణ కోసం రూపొందించబడిన మరొక ముఖ్యమైన సాంకేతికత డటి, IBM డేటాప్రొపగేటర్ రిలేషనల్. (DataPropagator అనేది సెంట్రల్ సిస్టమ్ల కోసం ఒక ప్రత్యేక ఉత్పత్తి. DB2 UNIX, Linux, Windows మరియు OS/2లో డేటా రెప్లికేషన్ సేవలు ఉన్నాయి డటి ప్రామాణిక లక్షణంగా).
తరలించడానికి మరొక పద్ధతి డటి ఎంటర్ప్రైజ్ చుట్టూ ఉన్న ఎంటర్ప్రైజ్ అప్లికేషన్ ఇంటిగ్రేటర్ లేదా మెసేజ్ బ్రోకర్ అని పిలుస్తారు. ఈ ప్రత్యేక సాంకేతికత లక్ష్యం మరియు తరలించడం కోసం అసమానమైన నియంత్రణను అనుమతిస్తుంది. డటి కంపెనీ చుట్టూ. IBM అత్యంత విస్తృతంగా ఉపయోగించే సందేశ బ్రోకర్, MQSeries లేదా అవసరాలను కలిగి ఉన్న ఉత్పత్తి యొక్క వైవిధ్యాన్ని కలిగి ఉంది కామర్స్, IBM వెబ్స్పియర్ MQ.
Per più discussione su come sfruttare MQ per sostenere un magazzino e un ambiente BI, visitare వెబ్సైట్ del libro. Per ora, è sufficiente dire che questa tecnologia è un mezzo eccellente per catturare e trasformare (utilizzando MQSeries Integrator) డటి BI పరిష్కారాల కోసం కేంద్రీకృత (లక్ష్యంగా) ఆపరేటర్లను నియమించారు. MQ సాంకేతికత UDB V8లో ఏకీకృతం చేయబడింది మరియు ప్యాక్ చేయబడింది, అంటే మెసేజ్ క్యూలు ఇప్పుడు DB2 టేబుల్ల వలె నిర్వహించబడతాయి. వెల్డింగ్ క్యూడ్ సందేశాలు మరియు విశ్వం యొక్క భావన డేటాబేస్ యొక్క శక్తివంతమైన డెలివరీ వాతావరణం వైపు రిలేషనల్ హెడ్ డటి.
జీరో-లేటెన్సీ జీరో లేటెన్సీ
IBM యొక్క అంతిమ వ్యూహాత్మక లక్ష్యం జీరో-లేటెన్సీ విశ్లేషణ. ద్వారా నిర్వచించబడింది
గార్ట్నర్, BI వ్యవస్థ తప్పనిసరిగా ఊహించి, సమీకరించగలగాలి మరియు డిమాండ్పై విశ్లేషకులకు సమాచారాన్ని అందించగలగాలి. సవాలు, వాస్తవానికి, ఎలా కలపాలి డటి i వంటి అవసరమైన చారిత్రక సమాచారంతో ప్రస్తుత మరియు నిజ-సమయం డటి సంబంధిత నమూనా/ధోరణి, లేదా కస్టమర్ ప్రొఫైలింగ్ వంటి సంగ్రహించబడిన అవగాహన.
అటువంటి సమాచారంలో, ఉదాహరణకు, గుర్తింపు ఉంటుంది వినియోగదారులు అధిక లేదా తక్కువ ప్రమాదం లేదా ఏ ఉత్పత్తులు i వినియోగదారులు వారి షాపింగ్ కార్ట్లలో ఇప్పటికే జున్ను ఉంటే వారు ఎక్కువగా కొనుగోలు చేస్తారు.
జీరో లేటెన్సీని సాధించడం వాస్తవానికి రెండు ప్రాథమిక విధానాలపై ఆధారపడి ఉంటుంది:
- యొక్క పూర్తి యూనియన్ డటి BI సృష్టించిన స్థాపించబడిన సాంకేతికతలు మరియు సాధనాలతో విశ్లేషించబడతాయి
- యొక్క డెలివరీ వ్యవస్థ డటి నిజ-సమయ విశ్లేషణలు నిజంగా అందుబాటులో ఉన్నాయని నిర్ధారించడానికి సమర్థవంతమైనది.సున్నా జాప్యం కోసం ఈ ముందస్తు అవసరాలు IBM ద్వారా నిర్దేశించబడిన మరియు పైన వివరించిన రెండు లక్ష్యాలకు భిన్నంగా లేవు. యొక్క దగ్గరి కలయిక డటి ఇది IBM యొక్క అతుకులు లేని ఇంటిగ్రేషన్ ప్రోగ్రామ్లో భాగం. మరియు డెలివరీ వ్యవస్థను సృష్టించండి డటి సమర్థవంతమైన డెలివరీ ప్రక్రియను సులభతరం చేసే అందుబాటులో ఉన్న సాంకేతికతపై పూర్తిగా ఆధారపడి ఉంటుంది డటి. ఫలితంగా, IBM యొక్క మూడు లక్ష్యాలలో రెండు మూడవ లక్ష్యాన్ని సాధించడంలో కీలకం. గిడ్డంగి ప్రయత్నాలకు జీరో లేటెన్సీని నిర్ధారించడానికి IBM తన సాంకేతికతను స్పృహతో అభివృద్ధి చేస్తోంది. సారాంశం / సంశ్లేషణ BI సంస్థ మీ పర్యావరణాన్ని నిర్మించడానికి రోడ్ మ్యాప్ను అందిస్తుంది
పునరావృతంగా. మీ వ్యాపారం యొక్క ప్రస్తుత మరియు భవిష్యత్తు అవసరాలను ప్రతిబింబించేలా ఇది తప్పనిసరిగా సర్దుబాటు చేయబడాలి. విస్తృత నిర్మాణ దృష్టి లేకుండా, గిడ్డంగి పునరావృత్తులు కేంద్ర గిడ్డంగి యొక్క అస్థిరమైన అమలుల కంటే కొంచెం ఎక్కువగా ఉంటాయి, ఇవి విస్తృతమైన, సమాచార సంస్థను రూపొందించడానికి పెద్దగా చేయవు. BI సంస్థను అభివృద్ధి చేయడానికి అవసరమైన పెట్టుబడులను ఎలా సమర్థించాలనేది ప్రాజెక్ట్ మేనేజర్లకు మొదటి అడ్డంకి. ROI గణన గిడ్డంగి అమలులో ప్రధాన అంశంగా ఉన్నప్పటికీ, ఖచ్చితంగా అంచనా వేయడం చాలా కష్టంగా మారుతోంది. ఇది మీరు మీ డబ్బు విలువను పొందుతున్నారో లేదో నిర్ణయించడానికి ఇతర పద్ధతులకు దారితీసింది. ఉదాహరణకు పెట్టుబడి2 (VOI)పై విలువ పరిష్కారంగా ప్రచారం చేయబడింది. యొక్క వాస్తుశిల్పులపై ఇది బాధ్యత వహిస్తుంది డటి మరియు ప్రాజెక్ట్ ప్లానర్లు ఉద్దేశపూర్వకంగా వినియోగదారు సంఘాలకు సమాచారాన్ని ఉత్పత్తి చేస్తారు మరియు అందిస్తారు మరియు వారికి సేవను అందించరు డటి. రెండింటికీ చాలా తేడా ఉంది. సమాచారం అనేది నిర్ణయం తీసుకునే ప్రక్రియలు మరియు ప్రభావంలో తేడాను కలిగిస్తుంది; సాపేక్షంగా, i డటి వారు ఆ సమాచారాన్ని పొందేందుకు బిల్డింగ్ బ్లాక్స్ చేస్తున్నారు.
నేను మూలాన్ని విమర్శించినా డటి వ్యాపార అభ్యర్థనలను పరిష్కరించడానికి, సమాచార కంటెంట్ను రూపొందించడంలో BI పర్యావరణం పెద్ద పాత్రను అందించాలి. వినియోగదారులు చర్య తీసుకోగల సమాచార కంటెంట్ను శుభ్రపరచడానికి, ఏకీకృతం చేయడానికి, రూపాంతరం చెందడానికి లేదా సృష్టించడానికి మేము అదనపు చర్యలు తీసుకోవాలి, ఆపై సహేతుకమైన చోట ఆ చర్యలు మరియు నిర్ణయాలు BI వాతావరణంలో ప్రతిబింబించేలా చూడాలి. మేము గిడ్డంగిని మాత్రమే సర్వ్ చేయడానికి బహిష్కరిస్తే డటి, చర్య తీసుకోవడానికి అవసరమైన సమాచార కంటెంట్ను వినియోగదారు సంఘాలు సృష్టిస్తాయని నిర్ధారించబడింది. ఇది వారి కమ్యూనిటీ మెరుగైన నిర్ణయాలు తీసుకోగలదని నిర్ధారిస్తుంది, అయితే వారు ఉపయోగించిన జ్ఞానం లేకపోవడం వల్ల కంపెనీ బాధపడుతోంది. తేదీ ఆర్కిటెక్ట్లు మరియు ప్రాజెక్ట్ ప్లానర్లు BI వాతావరణంలో నిర్దిష్ట ప్రాజెక్ట్లను ప్రారంభిస్తారు, వారు మొత్తం సంస్థకు జవాబుదారీగా ఉంటారు. BI పునరావృతాల యొక్క ఈ రెండు-వైపుల లక్షణం యొక్క సాధారణ ఉదాహరణ మూలంలో కనుగొనబడింది డటి. అన్నీ డటి నిర్దిష్ట వ్యాపార అభ్యర్థనల కోసం స్వీకరించబడినది తప్పనిసరిగా మొదటి అటామిక్ లేయర్లో ఉండాలి. ఇది ఎంటర్ప్రైజ్ సమాచార ఆస్తి అభివృద్ధిని నిర్ధారిస్తుంది, అలాగే పునరావృతంలో నిర్వచించబడిన నిర్దిష్ట వినియోగదారు అభ్యర్థనలను నిర్వహించడం, పరిష్కరించడం.
WhatisaDataWarehouse?
డేటా గిడ్డంగి ఇది 1990 నుండి ఇన్ఫర్మేషన్ సిస్టమ్స్ ఆర్కిటెక్చర్ యొక్క గుండెగా ఉంది మరియు సాలిడ్ ఇంటిగ్రేటెడ్ ప్లాట్ఫారమ్ను అందించడం ద్వారా సమాచార ప్రక్రియలకు మద్దతు ఇస్తుంది డటి తదుపరి విశ్లేషణలకు ఆధారంగా తీసుకోబడిన చారిత్రక డేటా. ది డేటా గిడ్డంగి అవి అననుకూలమైన అప్లికేషన్ సిస్టమ్ల ప్రపంచంలో ఏకీకరణ సౌలభ్యాన్ని అందిస్తాయి. డేటా గిడ్డంగి అది ట్రెండ్గా మారింది. డేటా గిడ్డంగి నిర్వహించండి మరియు నిల్వ చేయండి i డటి సుదీర్ఘ చారిత్రక తాత్కాలిక దృక్పథం ఆధారంగా సమాచారం మరియు విశ్లేషణాత్మక ప్రక్రియలకు అవసరం. ఇవన్నీ నిర్మాణం మరియు నిర్వహణలో గణనీయమైన మరియు స్థిరమైన నిబద్ధతను కలిగి ఉంటాయి డేటా గిడ్డంగి.
కాబట్టి a ఏమిటి డేటా గిడ్డంగి? ఒక డేటా గిడ్డంగి మరియు:
- ▪ విషయ-ఆధారిత
- ▪ ఇంటిగ్రేటెడ్ సిస్టమ్
- ▪ వేరియంట్ సమయం
- ▪ అస్థిరత లేని (తొలగించదు)
యొక్క సేకరణ డటి ప్రక్రియల అమలులో నిర్వాహక నిర్ణయాలకు మద్దతు ఇవ్వడానికి ఉపయోగిస్తారు.
I డటి చొప్పించబడింది డేటా గిడ్డంగి చాలా సందర్భాలలో అవి కార్యాచరణ పరిసరాల నుండి ఉద్భవించాయి. ది డేటా గిడ్డంగి ఇది నిల్వ యూనిట్ ద్వారా సృష్టించబడుతుంది, అది కలిగి ఉన్న మిగిలిన సిస్టమ్ నుండి భౌతికంగా వేరు చేయబడుతుంది డటి ఆపరేటింగ్ ఎన్విరాన్మెంట్ నుండి పొందిన సమాచారంపై పనిచేసే అప్లికేషన్ల ద్వారా గతంలో మార్చబడింది.
a యొక్క సాహిత్య నిర్వచనం డేటా గిడ్డంగి గిడ్డంగి యొక్క లక్షణాలను వివరించే ముఖ్యమైన ప్రేరణలు మరియు అంతర్లీన అర్థాలు ఉన్నందున లోతైన వివరణకు అర్హమైనది.
సబ్జెక్ట్ ఓరియెంటేషన్ ఓరియెంటేషన్ థిమాటిక్
a యొక్క మొదటి లక్షణం డేటా గిడ్డంగి ఇది కంపెనీలోని ప్రధాన ఆటగాళ్ల వైపు దృష్టి సారించింది. ద్వారా ట్రయల్స్ గైడ్ డటి ఇది చాలా క్లాసిక్ పద్ధతికి భిన్నంగా ఉంటుంది, ఇది ప్రక్రియలు మరియు ఫంక్షన్ల వైపు అప్లికేషన్ల ధోరణిని కలిగి ఉంటుంది, ఈ పద్ధతిని చాలా తక్కువ ఇటీవలి నిర్వహణ వ్యవస్థలు ఎక్కువగా భాగస్వామ్యం చేస్తాయి.
ఆర్థిక సంస్థ కోసం రుణాలు, పొదుపులు, బ్యాంక్ కార్డ్లు మరియు ట్రస్ట్ వంటి అప్లికేషన్లు మరియు ఫంక్షన్ల చుట్టూ కార్యాచరణ ప్రపంచం రూపొందించబడింది. dw ప్రపంచం కస్టమర్, విక్రేత, ఉత్పత్తి మరియు కార్యాచరణ వంటి ప్రధాన విషయాల చుట్టూ నిర్వహించబడుతుంది. అంశాల చుట్టూ అమరిక రూపకల్పన మరియు అమలును ప్రభావితం చేస్తుంది డటి dwలో కనుగొనబడింది. మరీ ముఖ్యంగా, ప్రధాన అంశం కీలక నిర్మాణం యొక్క అతి ముఖ్యమైన భాగాన్ని ప్రభావితం చేస్తుంది.
అప్లికేషన్ యొక్క ప్రపంచం డేటాబేస్ రూపకల్పన మరియు ప్రక్రియ రూపకల్పన రెండింటి ద్వారా ప్రభావితమవుతుంది. dw ప్రపంచం మోడలింగ్పై ప్రత్యేకంగా దృష్టి సారించింది డటి మరియు రూపకల్పనపై డేటాబేస్. ప్రక్రియ రూపకల్పన (దాని క్లాసిక్ రూపంలో) dw వాతావరణంలో భాగం కాదు.
ప్రక్రియ/ఫంక్షన్ అప్లికేషన్ యొక్క ఎంపిక మరియు విషయం యొక్క ఎంపిక మధ్య వ్యత్యాసాలు కూడా కంటెంట్లో తేడాలుగా వెల్లడి చేయబడ్డాయి డటి వివరణాత్మక స్థాయిలో. ది డటి dwలో i చేర్చబడలేదు డటి అప్లికేషన్లు ఉన్నప్పుడు DSS ప్రక్రియ కోసం ఉపయోగించబడదు
కార్యాచరణ ఆధారిత డటి i కలిగి ఉంటాయి డటి DSS అనలిస్ట్కు ఎలాంటి ఉపయోగం ఉండకపోవచ్చు లేదా ఉండకపోవచ్చు అనే ఫంక్షనల్/ప్రాసెసింగ్ అవసరాలను వెంటనే తీర్చడానికి.
కార్యాచరణ-ఆధారిత అనువర్తనాల్లో మరొక ముఖ్యమైన మార్గం డటి నుండి భిన్నంగా ఉంటాయి డటి యొక్క dw dei నివేదికలలో ఉంది డటి. నేను డటి కార్యకలాపాలు సక్రియంగా ఉన్న వ్యాపార నియమం ఆధారంగా రెండు లేదా అంతకంటే ఎక్కువ పట్టికల మధ్య నిరంతర సంబంధాన్ని నిర్వహిస్తాయి. ది డటి dw సమయం యొక్క స్పెక్ట్రమ్ను దాటుతుంది మరియు dwలో కనిపించే సంబంధాలు చాలా ఉన్నాయి. అనేక వ్యాపార నియమాలు (మరియు తదనుగుణంగా, అనేక సంబంధాలు డటి ) యొక్క గిడ్డంగిలో ప్రాతినిధ్యం వహిస్తారు డటి రెండు లేదా అంతకంటే ఎక్కువ పట్టికల మధ్య.
(మధ్య సంబంధాలు ఎలా ఉన్నాయో వివరణాత్మక వివరణ కోసం డటి DWలో నిర్వహించబడతాయి, మేము ఆ సమస్యపై సాంకేతిక అంశాన్ని సూచిస్తాము.)
ఫంక్షనల్/ప్రాసెస్ అప్లికేషన్ ఎంపిక మరియు సబ్జెక్ట్ ఎంపిక మధ్య ఉన్న ప్రాథమిక వ్యత్యాసం తప్ప మరే ఇతర కోణం నుండి, ఆపరేటింగ్ సిస్టమ్ల మధ్య ఎక్కువ వ్యత్యాసం లేదు మరియు డటి మరియు DW.
ఇంటిగ్రేషన్ ఇంటిగ్రేషన్
dw పర్యావరణం యొక్క అతి ముఖ్యమైన అంశం ఏమిటంటే i డటి dw లోపల కనుగొనబడినవి సులభంగా విలీనం చేయబడతాయి. ఎల్లప్పుడూ. మినహాయింపులు లేకుండా. dw పర్యావరణం యొక్క సారాంశం ఏమిటంటే i డటి గిడ్డంగి పరిమితుల్లో ఉన్నవి ఏకీకృతం చేయబడ్డాయి.
ఏకీకరణ అనేక రకాలుగా బహిర్గతమవుతుంది - స్థిరంగా గుర్తించబడిన సంప్రదాయాలలో, స్థిరమైన వేరియబుల్ కొలతలో, స్థిరమైన కోడెడ్ నిర్మాణాలలో, భౌతిక లక్షణాలలో డటి స్థిరమైన, మరియు అందువలన న.
సంవత్సరాలుగా, వివిధ అప్లికేషన్ల రూపకర్తలు అప్లికేషన్ను ఎలా అభివృద్ధి చేయాలి అనే దాని గురించి అనేక నిర్ణయాలు తీసుకున్నారు. డిజైనర్ల అనువర్తనాల శైలి మరియు వ్యక్తిగతీకరించిన డిజైన్ నిర్ణయాలు వంద విధాలుగా తమను తాము వెల్లడిస్తాయి: కోడింగ్లో తేడాలు, కీలక నిర్మాణం, భౌతిక లక్షణాలు, కన్వెన్షన్లను గుర్తించడం మరియు మొదలైనవి. అస్థిరమైన అప్లికేషన్లను రూపొందించడానికి చాలా మంది అప్లికేషన్ డిజైనర్ల సామూహిక సామర్థ్యం పురాణగాథ. మూర్తి 3 అప్లికేషన్లను రూపొందించే మార్గాలలో కొన్ని ముఖ్యమైన తేడాలను తెలియజేస్తుంది.
ఎన్కోడింగ్: ఎన్కోడింగ్:
అప్లికేషన్ డిజైనర్లు ఫీల్డ్ యొక్క ఎన్కోడింగ్ను ఎంచుకున్నారు - సెక్స్ - వివిధ మార్గాల్లో. డిజైనర్ సెక్స్ను "m" మరియు "f"గా సూచిస్తారు. మరొక డిజైనర్ లింగాన్ని "1" మరియు "0"గా సూచిస్తారు. మరొక డిజైనర్ సెక్స్ను "x" మరియు "y"గా సూచిస్తారు. మరొక డిజైనర్ సెక్స్ను "పురుషుడు" మరియు "ఆడ"గా సూచిస్తాడు. సెక్స్ DWలోకి ఎలా వస్తుంది అనేది పెద్దగా పట్టింపు లేదు. "M" మరియు "F" బహుశా మొత్తం నాటకం వలె మంచివి.
ముఖ్యమైన విషయం ఏమిటంటే, సెక్స్ ఫీల్డ్ ఏ మూలం నుండి వచ్చినదో, ఆ ఫీల్డ్ స్థిరమైన సమీకృత స్థితిలో DWకి చేరుకుంటుంది. తత్ఫలితంగా, ఫీల్డ్ "M" మరియు "F" ఫార్మాట్లో సూచించబడిన అప్లికేషన్ నుండి DWలోకి లోడ్ చేయబడినప్పుడు, డటి తప్పనిసరిగా DW ఆకృతికి మార్చబడాలి.
లక్షణాల కొలత: యొక్క కొలత గుణాలు:
అప్లికేషన్ డిజైనర్లు సంవత్సరాలుగా పైప్లైన్ను వివిధ మార్గాల్లో కొలవడానికి ఎంచుకున్నారు. ఒక డిజైనర్ నిల్వ చేస్తాడు డటి సెంటీమీటర్లలో పైప్లైన్ యొక్క. మరొక అప్లికేషన్ డిజైనర్ నిల్వ చేస్తుంది డటి అంగుళాల పరంగా పైప్లైన్. మరొక అప్లికేషన్ డిజైనర్ నిల్వ చేస్తుంది డటి సెకనుకు మిలియన్ క్యూబిక్ అడుగుల పైపులైన్. మరియు మరొక డిజైనర్ గజాల పరంగా పైప్లైన్ సమాచారాన్ని నిల్వ చేస్తాడు. మూలం ఏమైనప్పటికీ, పైప్లైన్ సమాచారం DWలో వచ్చినప్పుడు దానిని అదే విధంగా కొలవాలి.
ఫిగర్ 3లోని సూచనల ప్రకారం, ఇంటిగ్రేషన్ సమస్యలు ప్రాజెక్ట్ యొక్క దాదాపు ప్రతి అంశాన్ని ప్రభావితం చేస్తాయి - భౌతిక లక్షణాలు డటి, ఒకటి కంటే ఎక్కువ మూలాలను కలిగి ఉన్న సందిగ్ధత డటి, అస్థిరమైన గుర్తించబడిన నమూనాల సమస్య, ఫార్మాట్లు డటి అస్థిరత, మరియు మొదలైనవి.
డిజైన్ అంశం ఏమైనప్పటికీ, ఫలితం ఒకే విధంగా ఉంటుంది - i డటి అంతర్లీన ఆపరేటింగ్ సిస్టమ్లు వాటిని విభిన్నంగా నిల్వ చేసినప్పటికీ, DWలో ఏకవచనం మరియు ప్రపంచవ్యాప్తంగా ఆమోదయోగ్యమైన పద్ధతిలో నిల్వ చేయాలి డటి.
DSS విశ్లేషకుడు DWని చూసినప్పుడు, విశ్లేషకుడి లక్ష్యం దోపిడీకి గురికావాలి. డటి గిడ్డంగిలో ఉన్నవి,
యొక్క విశ్వసనీయత లేదా స్థిరత్వం గురించి ఆలోచించడం కంటే డటి.
సమయ వైవిధ్యం
అన్ని నేను డటి DWలో అవి కొంత సమయం వరకు ఖచ్చితమైనవి. యొక్క ఈ ప్రాథమిక లక్షణం డటి DW లో ఇది వాటి నుండి చాలా భిన్నంగా ఉంటుంది డటి ఆపరేటింగ్ వాతావరణంలో కనుగొనబడింది. ది డటి ఆపరేటింగ్ పర్యావరణం యాక్సెస్ యొక్క క్షణంలో వలె ఖచ్చితమైనది. మరో మాటలో చెప్పాలంటే, డ్రైవ్ యాక్సెస్ చేయబడినప్పుడు ఆపరేటింగ్ వాతావరణంలో డటి, యాక్సెస్ సమయంలో ఇది ఖచ్చితమైన విలువలను ప్రతిబింబిస్తుందని భావిస్తున్నారు. నేను ఎందుకంటే డటి DWలో ఏదో ఒక సమయంలో (అంటే "ప్రస్తుతం" కాదు) ఖచ్చితమైనవిగా ఉంటాయి, నేను అని చెప్పబడింది డటి DWలో కనుగొనబడినవి "సమయ వ్యత్యాసం".
యొక్క సమయ వ్యత్యాసం డటి DW ద్వారా అనేక విధాలుగా సూచించబడుతుంది.
సరళమైన మార్గం ఏమిటంటే నేను డటి ఒక DW ప్రాతినిధ్యం వహిస్తుంది డటి సుదీర్ఘ కాలం హోరిజోన్ - ఐదు నుండి పది సంవత్సరాలు. ఆపరేటింగ్ ఎన్విరాన్మెంట్ కోసం సూచించబడిన సమయ హోరిజోన్ నేటి ప్రస్తుత విలువల కంటే అరవై తొంభై వరకు చాలా తక్కువగా ఉంది
బాగా పని చేసే మరియు లావాదేవీల ప్రాసెసింగ్ కోసం తప్పనిసరిగా అందుబాటులో ఉండే అప్లికేషన్లు తప్పనిసరిగా కనీస మొత్తాన్ని కలిగి ఉండాలి డటి వారు ఏదైనా స్థాయి వశ్యతను అనుమతిస్తే. కాబట్టి ఆపరేషనల్ అప్లికేషన్లు ఆడియో అప్లికేషన్ డిజైన్ టాపిక్ లాగా తక్కువ టైమ్ హోరిజోన్ను కలిగి ఉంటాయి.
DWలో 'సమయ వ్యత్యాసం' కనిపించే రెండవ మార్గం కీలక నిర్మాణంలో ఉంది. DWలోని ప్రతి కీలక నిర్మాణం, పరోక్షంగా లేదా స్పష్టంగా, రోజు, వారం, నెల మొదలైన సమయ మూలకాన్ని కలిగి ఉంటుంది. సమయ మూలకం దాదాపు ఎల్లప్పుడూ DWలో కనుగొనబడిన సంయోగ కీ దిగువన ఉంటుంది. ఈ సందర్భాలలో, నెల లేదా త్రైమాసికం చివరిలో మొత్తం ఫైల్ డూప్లికేట్ చేయబడిన సందర్భం వంటి సమయం యొక్క మూలకం అంతర్లీనంగా ఉంటుంది.
సమయ వ్యత్యాసం ప్రదర్శించబడే మూడవ మార్గం i డటి DW యొక్క, సరిగ్గా నమోదు చేసిన తర్వాత, నవీకరించబడదు. ది డటి DW యొక్క, అన్ని ఆచరణాత్మక ప్రయోజనాల కోసం, స్నాప్షాట్ల యొక్క సుదీర్ఘ శ్రేణి. వాస్తవానికి స్నాప్షాట్లు తప్పుగా తీయబడినట్లయితే, స్నాప్షాట్లను సవరించవచ్చు. కానీ స్నాప్షాట్లు సరిగ్గా తీయబడ్డాయని ఊహిస్తే, అవి తీసిన వెంటనే సవరించబడవు. కొన్ని
కొన్ని సందర్భాల్లో DWలో స్నాప్షాట్లను సవరించడం అనైతికంగా ఉండవచ్చు లేదా చెల్లదు. ది డటి కార్యాచరణ, యాక్సెస్ సమయంలో ఖచ్చితమైనది, అవసరమైనప్పుడు వాటిని నవీకరించవచ్చు.
నాన్-వోలటైల్
DW యొక్క నాల్గవ ముఖ్యమైన లక్షణం అది అస్థిరత లేనిది.
అప్డేట్లు, ఇన్సర్షన్లు, తొలగింపులు మరియు సవరణలు రికార్డ్-బై-రికార్డ్ ప్రాతిపదికన కార్యాచరణ పరిసరాలకు క్రమం తప్పకుండా చేయబడతాయి. కానీ ప్రాథమిక తారుమారు డటి DWలో అవసరమైనవి చాలా సరళమైనవి. DWలో రెండు రకాల కార్యకలాపాలు మాత్రమే జరుగుతాయి - ప్రారంభ లోడ్ డటి మరియు యాక్సెస్ డటి. యొక్క నవీకరణ లేదు డటి (నవీకరణ యొక్క సాధారణ అర్థంలో) DWలో సాధారణ ప్రాసెసింగ్ ఆపరేషన్గా ఉంటుంది. కార్యాచరణ ప్రాసెసింగ్ మరియు DW ప్రాసెసింగ్ మధ్య ఈ ప్రాథమిక వ్యత్యాసం యొక్క కొన్ని శక్తివంతమైన పరిణామాలు ఉన్నాయి. డిజైన్ స్థాయిలో, క్రమరహిత నవీకరణ గురించి జాగ్రత్తగా ఉండవలసిన అవసరం DWలో ఒక అంశం కాదు, ఎందుకంటే డటి నిర్వహించబడదు. దీని అర్థం భౌతిక రూపకల్పన స్థాయిలో, యాక్సెస్ను ఆప్టిమైజ్ చేయడానికి స్వేచ్ఛను తీసుకోవచ్చు డటి, ముఖ్యంగా భౌతిక సాధారణీకరణ మరియు డీనార్మలైజేషన్ అంశాలతో వ్యవహరించడంలో. DW కార్యకలాపాల యొక్క సరళత యొక్క మరొక పరిణామం DW పర్యావరణాన్ని అమలు చేయడానికి ఉపయోగించే అంతర్లీన సాంకేతికత. ఇన్లైన్ రికార్డ్-బై-రికార్డ్ అప్డేట్లకు మద్దతు ఇవ్వడానికి (తరచుగా కార్యాచరణ ప్రాసెసింగ్ విషయంలో) సాంకేతికతకు స్పష్టమైన సరళత కింద చాలా క్లిష్టమైన పునాది అవసరం.
బ్యాకప్ మరియు రికవరీ, లావాదేవీలు మరియు సమగ్రతకు మద్దతు ఇచ్చే సాంకేతికత డటి మరియు డెడ్లాక్ స్థితిని గుర్తించడం మరియు పరిష్కరించడం చాలా క్లిష్టంగా ఉంటుంది మరియు DW ప్రాసెసింగ్కు అవసరం లేదు. DW యొక్క లక్షణాలు, డిజైన్ ఓరియంటేషన్, ఏకీకరణ డటి DW లోపల, సమయ వ్యత్యాసం మరియు నిర్వహణ యొక్క సరళత డటి, ప్రతిదీ క్లాసిక్ ఆపరేటింగ్ వాతావరణం నుండి చాలా భిన్నమైన వాతావరణానికి దారి తీస్తుంది. దాదాపు అన్నింటికీ మూలం డటి DW అనేది ఆపరేటింగ్ పర్యావరణం. భారీ రిడెండెన్సీ ఉందని భావించడం ఉత్సాహం కలిగిస్తుంది డటి రెండు వాతావరణాల మధ్య.
నిజానికి, చాలా మందికి ఉన్న మొదటి అభిప్రాయం గొప్ప రిడెండెన్సీ డటి ఆపరేటింగ్ వాతావరణం మరియు పర్యావరణం మధ్య
DW. ఇటువంటి వ్యాఖ్యానం ఉపరితలం మరియు DWలో ఏమి జరుగుతుందో అవగాహన లేకపోవడాన్ని ప్రదర్శిస్తుంది.
నిజానికి రిడెండెన్సీ కనిష్టంగా ఉంది డటి ఆపరేటింగ్ పర్యావరణం మరియు i మధ్య డటి DW యొక్క. కింది వాటిని పరిగణించండి: I డటి అవి ఫిల్టర్ చేయబడతాయి తేదీ ఇది ఆపరేటింగ్ వాతావరణం నుండి DW పర్యావరణానికి వెళుతుంది. అనేక డటి అవి ఎప్పుడూ ఆపరేటింగ్ వాతావరణం వెలుపలికి వెళ్లవు. ఐ తప్ప డటి DSS ప్రాసెసింగ్కు అవసరమైనవి పర్యావరణంలో వాటి దిశను కనుగొనండి
▪ సమయ హోరిజోన్ డటి ఇది ఒక వాతావరణం నుండి మరొక పర్యావరణానికి చాలా భిన్నంగా ఉంటుంది. ది డటి ఆపరేటింగ్ వాతావరణంలో అవి చాలా తాజాగా ఉంటాయి. ది డటి DWలో వారు చాలా పెద్దవారు. సమయ హోరిజోన్ కోణం నుండి మాత్రమే, కార్యాచరణ వాతావరణం మరియు DW మధ్య అతి తక్కువ అతివ్యాప్తి ఉంది.
▪ DW కలిగి ఉంది డటి వాతావరణంలో ఎప్పుడూ కనిపించని సారాంశం
▪ ఐ డటి అవి మూర్తి 3కి మారినప్పుడు ప్రాథమిక పరివర్తనకు లోనవుతాయి డటి అవి ఎంపిక చేయబడి, DWకి తరలించబడినట్లయితే, గణనీయంగా సవరించబడతాయి. మరొక విధంగా ఉంచండి, చాలా వరకు డటి ఇది DW లోకి తరలించబడినందున అది భౌతికంగా మరియు సమూలంగా మార్చబడుతుంది. ఇంటిగ్రేషన్ కోణం నుండి అవి ఒకేలా ఉండవు డటి ఇది ఆపరేటింగ్ వాతావరణంలో నివసిస్తుంది. ఈ కారకాల వెలుగులో, రిడెండెన్సీ డటి రెండు వాతావరణాల మధ్య అరుదైన సంఘటన, ఇది రెండు వాతావరణాల మధ్య 1% కంటే తక్కువ రిడెండెన్సీకి దారి తీస్తుంది. వేర్హౌస్ యొక్క నిర్మాణం DW లు ప్రత్యేకమైన నిర్మాణాన్ని కలిగి ఉంటాయి. DWలను గుర్తించే వివిధ స్థాయిల సారాంశం మరియు వివరాలు ఉన్నాయి.
DW యొక్క వివిధ భాగాలు:
ఇప్పటివరకు ప్రధాన ఆందోళన ఉంది డటి ప్రస్తుత వివరాలు. ఇది ప్రధాన ఆందోళన ఎందుకంటే:
- I డటి ప్రస్తుత వివరాలు అత్యంత ఇటీవలి ఈవెంట్లను ప్రతిబింబిస్తాయి, ఇవి ఎల్లప్పుడూ గొప్ప ఆసక్తిని కలిగి ఉంటాయి మరియు
- i డటి ప్రస్తుత వివరాలు భారీగా ఉంటాయి ఎందుకంటే ఇది గ్రాన్యులారిటీ యొక్క అత్యల్ప స్థాయిలో నిల్వ చేయబడుతుంది మరియు
- i డటి ప్రస్తుత వివరాలు దాదాపు ఎల్లప్పుడూ డిస్క్ మెమరీలో నిల్వ చేయబడతాయి, ఇది త్వరగా యాక్సెస్ చేయగలదు, కానీ ఖరీదైనది మరియు ఉపయోగించడానికి సంక్లిష్టమైనది డటి వివరంగా వారు పెద్దవారు డటి ఇది కొంత మెమరీలో నిల్వ చేయబడుతుంది మాసా. ఇది అప్పుడప్పుడూ యాక్సెస్ చేయబడుతుంది మరియు వివరాలకు అనుకూలమైన స్థాయిలో నిల్వ చేయబడుతుంది డటి ప్రస్తుత వివరాలు. పెద్ద పరిమాణంలో ఉన్నందున, ప్రత్యామ్నాయ నిల్వ మాధ్యమంలో నిల్వ చేయడం తప్పనిసరి కానప్పటికీ డటి యొక్క అప్పుడప్పుడు యాక్సెస్తో కలిపి డటి, మెమరీ మద్దతు డటి పాత వివరాల డేటా సాధారణంగా డిస్క్లో నిల్వ చేయబడదు. ది డటి కొద్దిగా సంగ్రహించబడ్డాయి డటి తక్కువ స్థాయి వివరాల నుండి ప్రస్తుత స్థాయి వివరాల వరకు స్వేదనం చేయబడినవి. DW యొక్క ఈ స్థాయి దాదాపు ఎల్లప్పుడూ డిస్క్ నిల్వలో నిల్వ చేయబడుతుంది. వాస్తుశిల్పికి తలెత్తే డిజైన్ సమస్యలు డటి DW యొక్క ఈ స్థాయి నిర్మాణంలో:
- పైన చేసిన సారాంశం సమయం ఎంత యూనిట్
- ఏ కంటెంట్, గుణాలు కంటెంట్ను కొద్దిగా సంగ్రహిస్తాయి డటి యొక్క తదుపరి స్థాయి డటి DWలో కనుగొనబడినది డటి అత్యంత సంగ్రహించబడింది. ది డటి అత్యంత సంగ్రహించబడినవి కాంపాక్ట్ మరియు సులభంగా యాక్సెస్ చేయగలవు. ది డటి చాలా సంగ్రహించబడినవి కొన్నిసార్లు DW వాతావరణంలో మరియు ఇతర సందర్భాల్లో i డటి DWని కలిగి ఉన్న సాంకేతికత యొక్క తక్షణ గోడల వెలుపల అత్యంత సంగ్రహించబడినవి కనుగొనబడ్డాయి. (ఏదైనా సందర్భంలో, i డటి I అనే దానితో సంబంధం లేకుండా చాలా సంగ్రహించబడినవి DWలో భాగం డటి భౌతికంగా ఉంచబడ్డాయి). DW యొక్క చివరి భాగం మెటాడేటా. అనేక అంశాలలో మెటాడేటా ఇతరుల కంటే భిన్నమైన కోణంలో ఉంటుంది డటి DW యొక్క, ఎందుకంటే మెటాడేటా ఏదీ కలిగి ఉండదు తేదీ ఆపరేటింగ్ వాతావరణం నుండి నేరుగా తీసుకోబడింది. DWలో మెటాడేటాకు ప్రత్యేకమైన మరియు చాలా ముఖ్యమైన పాత్ర ఉంది. మెటాడేటా ఇలా ఉపయోగించబడుతుంది:
- DW యొక్క కంటెంట్లను గుర్తించడంలో DSS విశ్లేషకుడికి సహాయపడే డైరెక్టరీ,
- మ్యాపింగ్ చేయడానికి ఒక గైడ్ డటి నేను ఎలా డటి కార్యాచరణ వాతావరణం నుండి DW పర్యావరణానికి రూపాంతరం చెందింది,
- మధ్య సారాంశం కోసం ఉపయోగించే అల్గారిథమ్లకు మార్గదర్శకం డటి ప్రస్తుత వివరాలు మరియు i డటి కొద్దిగా సంగ్రహించబడింది, i డటి అత్యంత సంగ్రహంగా చెప్పాలంటే, మెటాడేటా డిడబ్ల్యు వాతావరణంలో కార్యాచరణ వాతావరణంలో ఉన్నదానికంటే చాలా పెద్ద పాత్రను పోషిస్తుంది పాత వివరాల నిల్వ మాధ్యమం ఆ రకమైన నిల్వ చేయడానికి మాగ్నెటిక్ టేప్ ఉపయోగించవచ్చు డటి. నిజానికి పాత నిల్వ కోసం పరిగణించవలసిన అనేక రకాల నిల్వ మీడియా ఉంది డటి వివరాలు. యొక్క వాల్యూమ్ మీద ఆధారపడి ఉంటుంది డటి, యాక్సెస్ యొక్క ఫ్రీక్వెన్సీ, సాధనాల ధర మరియు యాక్సెస్ రకం, ఇతర సాధనాలకు DWలో పాత స్థాయి వివరాలు అవసరమయ్యే అవకాశం ఉంది. డేటా ప్రవాహం యొక్క సాధారణ మరియు ఊహాజనిత ప్రవాహం ఉంది డటి DW లోపల.
I డటి ఆపరేటింగ్ ఎన్విరాన్మెంట్ నుండి DWని నమోదు చేయండి. (గమనిక: ఈ నియమానికి చాలా ఆసక్తికరమైన మినహాయింపులు ఉన్నాయి. అయితే, దాదాపు అన్నీ డటి ఆపరేటింగ్ వాతావరణం నుండి DW ను నమోదు చేయండి). తేదీ నేను డటి ఆపరేటింగ్ వాతావరణం నుండి DW ను నమోదు చేయండి, ఇది ముందు వివరించిన విధంగా రూపాంతరం చెందుతుంది. DWలోకి ప్రవేశించే షరతుపై, i డటి చూపిన విధంగా ప్రస్తుత వివరాల స్థాయిని నమోదు చేయండి. ఇది అక్కడ నివసిస్తుంది మరియు మూడు సంఘటనలలో ఒకటి సంభవించే వరకు ఉపయోగించబడుతుంది:
- శుద్ధి చేయబడింది,
- సంగ్రహించబడింది, మరియు/లేదా ▪è DW లోపల వాడుకలో లేని ప్రక్రియ i డటి ప్రస్తుత వివరాలు a డటి పాత వివరాలు, వయస్సు ఆధారంగా డటి. ప్రక్రియ
సారాంశం యొక్క వివరాలను ఉపయోగిస్తుంది డటి i లెక్కించేందుకు డటి కొంచెం సారాంశం మరియు అత్యంత సంగ్రహించబడిన స్థాయిలు డటి. చూపిన ప్రవాహానికి కొన్ని మినహాయింపులు ఉన్నాయి (తరువాత చర్చించబడతాయి). అయితే, సాధారణంగా, చాలా మందికి డటి ఒక DW లోపల కనుగొనబడింది, యొక్క ప్రవాహం డటి అది వర్ణించబడినట్లుగా ఉంది.
డేటావేర్హౌస్ని ఉపయోగించడం
వివిధ స్థాయిలలో ఆశ్చర్యం లేదు డటి DW లోపల వారు వివిధ స్థాయిల వినియోగాన్ని స్వీకరించరు. నియమం ప్రకారం, సారాంశం యొక్క అధిక స్థాయి, మరింత i డటి అవి ఉపయోగించబడతాయి.
అనేక ఉపయోగాలు జరుగుతాయి డటి చాలా సంగ్రహించబడింది, అయితే పాతవి డటి వివరాలు దాదాపు ఎప్పుడూ ఉపయోగించబడవు. సంస్థను వనరుల వినియోగ నమూనాకు తరలించడానికి మంచి కారణం ఉంది. మరింత సంగ్రహించబడింది i డటి, త్వరగా మరియు మరింత సమర్థవంతంగా చేరుకోవడానికి డటి. ఒకవేళ ఎ షాప్ ఇది DW యొక్క వివరాల స్థాయిలో అనేక ప్రక్రియలను చేస్తుందని కనుగొంటుంది, అప్పుడు సంబంధిత పెద్ద మొత్తంలో యంత్ర వనరులు వినియోగించబడతాయి. వీలైనంత త్వరగా అధిక స్థాయి సారాంశాన్ని ప్రాసెస్ చేయడం ప్రతి ఒక్కరికీ ఉత్తమమైనది.
అనేక దుకాణాల కోసం, ప్రీ-DW వాతావరణంలో DSS విశ్లేషకుడు ఉపయోగించారు డటి వివరాల స్థాయిలో. అనేక అంశాలలో రాక డటి ఇతర స్థాయిల సారాంశం అందుబాటులో ఉన్నప్పటికీ, వివరణాత్మక సారాంశం భద్రతా దుప్పటిని పోలి ఉంటుంది. వాస్తుశిల్పి కార్యకలాపాలలో ఒకటి డటి DSS వినియోగదారుని నిరంతరం ఉపయోగించకుండా చేయడం డటి వివరాల యొక్క అత్యల్ప స్థాయిలో. వాస్తుశిల్పికి రెండు ప్రేరణలు అందుబాటులో ఉన్నాయి డటి:
- ఛార్జ్బ్యాక్ సిస్టమ్ను ఇన్స్టాల్ చేయడం ద్వారా, అంతిమ వినియోగదారు వినియోగించిన వనరులకు చెల్లిస్తారు ఇ
- i తో ప్రవర్తన ఉన్నప్పుడు చాలా మంచి ప్రతిస్పందన సమయాన్ని సాధించవచ్చని సూచిస్తుంది డటి సారాంశం యొక్క అధిక స్థాయిలో ఉంది, అయితే పేలవమైన ప్రతిస్పందన సమయం ప్రవర్తన నుండి వస్తుంది డటి తక్కువ స్థాయిలో ఇతర ఆలోచనలు కొన్ని ఇతర DW నిర్మాణం మరియు నిర్వహణ పరిశీలనలు ఉన్నాయి.
మొదటి పరిశీలన సూచికలు. ది డటి సారాంశం యొక్క ఉన్నత స్థాయిలలో అవి స్వేచ్ఛగా సూచిక చేయబడతాయి, అయితే i డటి
తక్కువ స్థాయి వివరాల వద్ద అవి చాలా స్థూలంగా ఉంటాయి కాబట్టి వాటిని పొదుపుగా ఇండెక్స్ చేయవచ్చు. అదే టోకెన్ నుండి, i డటి అధిక స్థాయి వివరాలు సాపేక్షంగా సులభంగా పునర్నిర్మించబడతాయి, అయితే వాల్యూమ్ డటి దిగువ స్థాయిలలో ఇది చాలా పెద్దదిగా ఉంటుంది డటి వాటిని సులభంగా పునరుద్ధరించలేము. పర్యవసానంగా, మోడల్ డటి మరియు డిజైన్ ద్వారా చేసిన అధికారిక పని DW కోసం పునాదిని దాదాపుగా ప్రస్తుత స్థాయి వివరాలతో వర్తింపజేస్తుంది. మరో మాటలో చెప్పాలంటే, మోడలింగ్ కార్యకలాపాలు డటి దాదాపు ప్రతి సందర్భంలోనూ అవి సారాంశం స్థాయిలకు వర్తించవు. యొక్క ఉపవిభాగం యొక్క మరొక నిర్మాణాత్మక పరిశీలన డటి DW ద్వారా.
విభజన రెండు స్థాయిలలో చేయవచ్చు - స్థాయిలో DBMS మరియు అప్లికేషన్ స్థాయిలో. స్థాయిలో డివిజన్ లో DBMSఇది DBMS విభాగాల గురించి తెలియజేయబడుతుంది మరియు తదనుగుణంగా వాటిని నియంత్రిస్తుంది. అప్లికేషన్ స్థాయిలో విభజన విషయంలో, ప్రోగ్రామర్కు మాత్రమే డివిజన్ల గురించి తెలియజేయబడుతుంది మరియు వాటి నిర్వహణ బాధ్యత అతనికి వదిలివేయబడుతుంది
స్థాయి క్రింద DBMS, చాలా పని స్వయంచాలకంగా జరుగుతుంది. ఆటోమేటిక్ డివిజన్ అడ్మినిస్ట్రేషన్కు సంబంధించి చాలా వశ్యత ఉంది. యొక్క అప్లికేషన్ స్థాయిలో విభజనల విషయంలో డటి యొక్క డేటా గిడ్డంగి, ప్రోగ్రామర్పై చాలా పని బరువు ఉంటుంది, కానీ తుది ఫలితం పరిపాలనలో వశ్యత డటి నెల్ డేటా గిడ్డంగి
ఇతర క్రమరాహిత్యాలు
యొక్క భాగాలు అయితే డేటా గిడ్డంగి దాదాపు అందరికీ వివరించిన విధంగా అవి పనిచేస్తాయి డటి, చర్చించవలసిన కొన్ని ఉపయోగకరమైన మినహాయింపులు ఉన్నాయి. ఒక మినహాయింపు డటి పబ్లిక్ సారాంశం డేటా. ఇవి డటి నుండి లెక్కించబడిన సారాంశాలు డేటా గిడ్డంగి కానీ వాటిని సమాజం ఉపయోగించుకుంటుంది. ది డటి పబ్లిక్ సారాంశాలు నిల్వ చేయబడతాయి మరియు నిర్వహించబడతాయి డేటా గిడ్డంగి, గతంలో చెప్పినట్లుగా అవి లెక్కించబడ్డాయి. అటువంటి త్రైమాసిక ఉత్పత్తి చేయడానికి అకౌంటెంట్లు పని చేస్తారు డటి ఆదాయం, త్రైమాసిక ఖర్చులు, త్రైమాసిక లాభం మొదలైనవి. అకౌంటెంట్లు చేసే పని బాహ్యమైనది డేటా గిడ్డంగి. అయితే, ఐ డటి కంపెనీలో "అంతర్గతంగా" ఉపయోగించబడతాయి - నుండి మార్కెటింగ్, అమ్మకాలు మొదలైనవి. మరొక క్రమరాహిత్యం, ఇది చర్చించబడదు డటి ఈస్టర్ని.
మరొక అసాధారణ రకం డటి a లో కనుగొనవచ్చు డేటా గిడ్డంగి అనేది శాశ్వత వివరాల డేటా. ఇవి శాశ్వతంగా నిల్వ చేయవలసిన అవసరాన్ని కలిగిస్తాయి డటి నైతిక లేదా చట్టపరమైన కారణాల కోసం వివరణాత్మక స్థాయిలో. ఒక సంస్థ తన కార్మికులను ప్రమాదకరమైన పదార్థాలకు గురిచేస్తుంటే, అది అవసరం డటి వివరణాత్మక మరియు శాశ్వత. ఒక కంపెనీ విమానం విడిభాగాల వంటి ప్రజా భద్రతతో కూడిన ఉత్పత్తిని ఉత్పత్తి చేస్తే, అది అవసరం డటి శాశ్వత వివరాలు, అలాగే కంపెనీ ప్రమాదకరమైన ఒప్పందాలలోకి ప్రవేశిస్తే.
తదుపరి కొన్ని సంవత్సరాలలో, దావా, రీకాల్, వివాదాస్పద నిర్మాణ లోపం మొదలైన సందర్భాల్లో వివరాలను పట్టించుకోకుండా కంపెనీ భరించదు. కంపెనీ ఎక్స్పోజర్ పెద్దది కావచ్చు. ఫలితంగా ఒక ప్రత్యేక రకం ఉంది డటి శాశ్వత వివరాల డేటా అంటారు.
SUMMARY
Un డేటా గిడ్డంగి అనేది ఆబ్జెక్ట్ ఓరియెంటెడ్, ఇంటిగ్రేటెడ్, టైమ్ వేరియంట్, యొక్క సమాహారం డటి పరిపాలన యొక్క నిర్ణయాత్మక అవసరాలకు మద్దతు ఇవ్వడానికి అస్థిరత లేనిది. a యొక్క ప్రతి ముఖ్యమైన విధులు డేటా గిడ్డంగి దాని చిక్కులను కలిగి ఉంది. ప్లస్ నాలుగు స్థాయిలు ఉన్నాయి డటి యొక్క డేటా గిడ్డంగి:
- పాత వివరాలు
- ప్రస్తుత వివరాలు
- డటి కొద్దిగా పునశ్చరణ
- డటి అత్యంత సంగ్రహించబడిన మెటాడేటా కూడా ఒక ముఖ్యమైన భాగం డేటా గిడ్డంగి. నైరూప్య యొక్క నిల్వ భావన డటి ఇది ఇటీవల చాలా దృష్టిని ఆకర్షించింది మరియు 90ల నాటి ట్రెండ్గా మారింది. దీనికి కారణం ఒక డేటా గిడ్డంగి డెసిషన్ సపోర్ట్ సిస్టమ్స్ (DSS) మరియు ఎగ్జిక్యూటివ్ ఇన్ఫర్మేషన్ సిస్టమ్స్ (EIS) వంటి అడ్మినిస్ట్రేషన్ సపోర్ట్ సిస్టమ్స్ పరిమితులను అధిగమించడానికి. అనే భావన ఉన్నా డేటా గిడ్డంగి ఆశాజనకంగా కనిపిస్తోంది, అమలు చేయడం i డేటా గిడ్డంగి పెద్ద-స్థాయి గిడ్డంగుల ప్రక్రియల కారణంగా సమస్యాత్మకంగా ఉంటుంది. యొక్క నిల్వ ప్రాజెక్టుల సంక్లిష్టత ఉన్నప్పటికీ డటి, స్టాక్ చేసే చాలా మంది సరఫరాదారులు మరియు కన్సల్టెంట్లు డటి యొక్క నిల్వ అని దావా డటి కరెంట్ ఎటువంటి సమస్యలను కలిగించదు. అయితే, ఈ పరిశోధన ప్రాజెక్ట్ ప్రారంభంలో, దాదాపు స్వతంత్ర, కఠినమైన మరియు క్రమబద్ధమైన పరిశోధనలు నిర్వహించబడలేదు. ఫలితంగా, అవి నిర్మించినప్పుడు పరిశ్రమలో అసలు ఏమి జరుగుతుందో చెప్పడం కష్టం డేటా గిడ్డంగి. యొక్క నిల్వ అభ్యాసాన్ని ఈ అధ్యయనం అన్వేషించింది డటి సమకాలీనులు ఆస్ట్రేలియన్ అభ్యాసం గురించి గొప్ప అవగాహనను పెంపొందించుకోవడం లక్ష్యంగా పెట్టుకున్నారు. సాహిత్య సమీక్ష అనుభావిక అధ్యయనానికి సందర్భం మరియు పునాదిని అందించింది. ఈ పరిశోధనలో అనేక విషయాలు వెల్లడయ్యాయి. మొదట, ఈ అధ్యయనం అభివృద్ధి సమయంలో తలెత్తిన కార్యకలాపాలను వెల్లడించింది డేటా గిడ్డంగి. అనేక ప్రాంతాలలో, ఐ డటి సేకరించిన సాహిత్యంలో నివేదించబడిన అభ్యాసాన్ని ధృవీకరించారు. రెండవది, అభివృద్ధిని ప్రభావితం చేసే సమస్యలు మరియు సమస్యలు డేటా గిడ్డంగి ఈ అధ్యయనం ద్వారా గుర్తించబడ్డాయి. చివరగా, ఉపయోగంతో అనుబంధించబడిన ఆస్ట్రేలియన్ సంస్థలు పొందే ప్రయోజనాలు డేటా గిడ్డంగి వెల్లడయ్యాయి.
1 వ అధ్యాయము
పరిశోధన సందర్భం
డేటా వేర్హౌసింగ్ యొక్క భావన విస్తృతంగా బహిర్గతం చేయబడింది మరియు 90లలో అభివృద్ధి చెందుతున్న ధోరణిగా మారింది (మెక్ఫాడెన్ 1996, TDWI 1996, షా మరియు మిల్స్టెయిన్ 1997, షాంక్స్ మరియు ఇతరులు. 1997, ఎకర్సన్ 1998, అడెల్మాన్ మరియు ఓట్స్ 2000). ట్రేడ్ పబ్లికేషన్స్లో డేటా వేర్హౌసింగ్పై పెరుగుతున్న కథనాల నుండి దీనిని చూడవచ్చు (లిటిల్ మరియు గిబ్సన్ 1999). అనేక కథనాలు (ఉదాహరణకు, ఫిషర్ 1995, హ్యాకథార్న్ 1995, మోరిస్ 1995a, బ్రాంబ్లెట్ మరియు కింగ్ 1996, గ్రాహం మరియు ఇతరులు. 1996, సకాగుచి మరియు ఫ్రోలిక్ 1996, అల్వారెజ్ 1997, బ్రూసెల్ 1997, Clarken 1997, Clarken, 1997, ఎడ్వర్డ్స్ 1997, TDWI 1998) i అమలు చేసే సంస్థలు పొందే ముఖ్యమైన ప్రయోజనాలను నివేదించాయి. డేటా గిడ్డంగి. విజయవంతమైన అమలులు, పెట్టుబడిపై అధిక రాబడి (ROI) గణాంకాలు మరియు అభివృద్ధి కోసం మార్గదర్శకాలు లేదా పద్ధతులను అందించడం ద్వారా వారు తమ సిద్ధాంతానికి మద్దతు ఇచ్చారు. డేటా గిడ్డంగి
(షాంక్స్ మరియు ఇతరులు. 1997, సెడాన్ మరియు బెంజమిన్ 1998, లిటిల్ అండ్ గిబ్సన్ 1999). తీవ్రమైన సందర్భంలో, గ్రాహం మరియు ఇతరులు. (1996) మూడు సంవత్సరాల పెట్టుబడిపై 401% సగటు రాబడిని నివేదించింది.
అయితే ప్రస్తుత సాహిత్యంలో ఎక్కువ భాగం అటువంటి ప్రాజెక్టులను చేపట్టడంలో ఉన్న సంక్లిష్టతలను పట్టించుకోలేదు. యొక్క ప్రాజెక్టులు డేటా గిడ్డంగి అవి సాధారణంగా సంక్లిష్టమైనవి మరియు పెద్ద-స్థాయి మరియు అందువల్ల వాటిని జాగ్రత్తగా నియంత్రించకపోతే వైఫల్యం యొక్క అధిక సంభావ్యతను కలిగి ఉంటాయి (షా మరియు మిల్స్టెయిన్ 1997, ఎకర్సన్ 1997, ఫోలే 1997b, జిమ్మెర్ 1997, బోర్ట్ 1998, గిబ్స్ మరియు క్లైమర్ 1998, రావు 1998). వాటికి భారీ మొత్తంలో మానవ మరియు ఆర్థిక వనరులు మరియు వాటిని నిర్మించడానికి సమయం మరియు కృషి అవసరం (హిల్ 1998, క్రాఫ్ట్స్ 1998). అవసరమైన సాధారణ సమయం మరియు ఆర్థిక మార్గాలు వరుసగా రెండు సంవత్సరాలు మరియు రెండు నుండి మూడు మిలియన్ డాలర్లు (బ్రాలీ 1995, ఫోలే 1997b, బోర్ట్ 1998, హంఫ్రీస్ మరియు ఇతరులు. 1999). డేటా వేర్హౌసింగ్లోని అనేక విభిన్న అంశాలను నియంత్రించడానికి మరియు ఏకీకృతం చేయడానికి ఈ సమయం మరియు ఆర్థిక మార్గాలు అవసరం (Cafasso 1995, Hill 1998). హార్డ్వేర్ మరియు సాఫ్ట్వేర్ పరిగణనలతో పాటు, ఇతర విధులు, ఇవి వెలికితీత నుండి మారుతూ ఉంటాయి డటి యొక్క లోడ్ ప్రక్రియలకు డటి, అప్డేట్లు మరియు మెటా నిర్వహణకు మెమరీ సామర్థ్యం డటి వినియోగదారు శిక్షణ కోసం, తప్పనిసరిగా పరిగణించాలి.
ఈ పరిశోధన ప్రాజెక్ట్ ప్రారంభమైన సమయంలో, ముఖ్యంగా ఆస్ట్రేలియాలో డేటా వేర్హౌసింగ్ రంగంలో చాలా తక్కువ విద్యా పరిశోధనలు జరిగాయి. జర్నల్స్ లేదా ఇతర విద్యాసంబంధ రచనల నుండి డేటా వేర్హౌసింగ్పై ప్రచురించిన కథనాల కొరత నుండి ఇది స్పష్టమైంది. అందుబాటులో ఉన్న అనేక విద్యాసంబంధ రచనలు US అనుభవాన్ని వివరించాయి. డేటా వేర్హౌజింగ్లో అకడమిక్ రీసెర్చ్ లేకపోవడం వల్ల కఠినమైన పరిశోధన మరియు అనుభావిక అధ్యయనాల కోసం పిలుపు వచ్చింది (McFadden 1996, Shanks et al. 1997, Little and Gibson 1999). ప్రత్యేకించి, అమలు ప్రక్రియపై పరిశోధన అధ్యయనాలు డేటా గిడ్డంగి అమలుకు సంబంధించి సాధారణ పరిజ్ఞానాన్ని విస్తరించడానికి నిర్వహించాల్సిన అవసరం ఉంది డేటా గిడ్డంగి మరియు భవిష్యత్ పరిశోధన అధ్యయనానికి ఆధారంగా పనిచేస్తుంది (షాంక్స్ మరియు ఇతరులు 1997, లిటిల్ మరియు గిబ్సన్ 1999).
ఈ అధ్యయనం యొక్క ఉద్దేశ్యం, సంస్థలు నిర్వహించినప్పుడు మరియు iని ఉపయోగించినప్పుడు వాస్తవానికి ఏమి జరుగుతుందో అధ్యయనం చేయడం డేటా గిడ్డంగి ఆస్ట్రేలియా లో. ప్రత్యేకంగా, ఈ అధ్యయనం మొత్తం అభివృద్ధి ప్రక్రియ యొక్క విశ్లేషణను కలిగి ఉంటుంది a డేటా గిడ్డంగి, ఆస్ట్రేలియన్ సంస్థలలో డిజైన్ మరియు అమలు మరియు తదుపరి ఉపయోగం ద్వారా దీక్ష మరియు ప్రణాళిక నుండి ప్రారంభించి. అదనంగా, అభ్యాసాన్ని మరింత మెరుగుపరచగల మరియు అసమర్థతలను మరియు నష్టాలను తగ్గించగల లేదా నివారించగల ప్రాంతాలను గుర్తించడం ద్వారా అధ్యయనం ప్రస్తుత అభ్యాసానికి దోహదం చేస్తుంది. ఇంకా, ఇది ఇతర అధ్యయనాలకు ఆధారంగా ఉపయోగపడుతుంది డేటా గిడ్డంగి ఆస్ట్రేలియాలో మరియు ప్రస్తుతం సాహిత్యంలో ఉన్న ఖాళీని పూరిస్తుంది.
పరిశోధన ప్రశ్నలు
ఈ పరిశోధన యొక్క లక్ష్యం అమలులో ఉన్న కార్యకలాపాలను అధ్యయనం చేయడం డేటా గిడ్డంగి మరియు ఆస్ట్రేలియన్ సంస్థలచే వాటి ఉపయోగం. ముఖ్యంగా, ప్రాజెక్ట్ ప్లానింగ్, డెవలప్మెంట్, ఆపరేషన్, యూజ్ మరియు రిస్క్లకు సంబంధించిన అంశాలు అధ్యయనం చేయబడతాయి. కాబట్టి ఈ పరిశోధన యొక్క ప్రశ్న:
“ప్రస్తుత అభ్యాసం ఏమిటి డేటా గిడ్డంగి ఆస్ట్రేలియా లో?"
ఈ ప్రశ్నకు సమర్థవంతంగా సమాధానం ఇవ్వడానికి, అనేక అనుబంధ పరిశోధన ప్రశ్నలు అవసరం. ప్రత్యేకించి, ఈ పరిశోధన ప్రాజెక్ట్కు మార్గనిర్దేశం చేసేందుకు అధ్యాయం 2లో అందించబడిన సాహిత్యం నుండి మూడు ఉప ప్రశ్నలు గుర్తించబడ్డాయి: ఎలా ఉన్నాయి డేటా గిడ్డంగి ఆస్ట్రేలియన్ సంస్థల నుండి? మీరు ఏ సమస్యలను ఎదుర్కొన్నారు?
అనుభవించిన ప్రయోజనాలు ఏమిటి?
ఈ ప్రశ్నలకు సమాధానమివ్వడంలో, సర్వేను ఉపయోగించే అన్వేషణాత్మక పరిశోధన రూపకల్పన ఉపయోగించబడింది. అన్వేషణాత్మక అధ్యయనంగా, పై ప్రశ్నలకు సమాధానాలు పూర్తి కాలేదు (షాంక్స్ మరియు ఇతరులు 1993, డెన్స్కాంబ్ 1998). ఈ సందర్భంలో, ఈ ప్రశ్నలకు సమాధానాలను మెరుగుపరచడానికి త్రిభుజం అవసరం. ఏదేమైనప్పటికీ, ఈ ప్రశ్నలను పరిశీలించే భవిష్యత్ పని కోసం దర్యాప్తు ఒక బలమైన పునాదిని అందిస్తుంది. పరిశోధన పద్ధతి సమర్థన మరియు రూపకల్పనపై వివరణాత్మక చర్చ అధ్యాయం 3లో ప్రదర్శించబడింది.
పరిశోధన ప్రాజెక్ట్ యొక్క నిర్మాణం
ఈ పరిశోధన ప్రాజెక్ట్ రెండు భాగాలుగా విభజించబడింది: డేటా వేర్హౌసింగ్ కాన్సెప్ట్ మరియు అనుభావిక పరిశోధన యొక్క సందర్భోచిత అధ్యయనం (మూర్తి 1.1 చూడండి), వీటిలో ప్రతి ఒక్కటి క్రింద చర్చించబడ్డాయి.
పార్ట్ I: సందర్భోచిత అధ్యయనం
పరిశోధన యొక్క మొదటి భాగం డెసిషన్ సపోర్ట్ సిస్టమ్స్ (DSS), ఎగ్జిక్యూటివ్ ఇన్ఫర్మేషన్ సిస్టమ్స్ (EIS), కేస్ స్టడీస్తో సహా వివిధ రకాల డేటా వేర్హౌసింగ్పై ప్రస్తుత సాహిత్యాన్ని సమీక్షించడం. డేటా గిడ్డంగి మరియు భావనలు డేటా గిడ్డంగి. ఇంకా, ఫోరమ్ల ఫలితాలు డేటా గిడ్డంగి మరియు మోనాష్ DSS పరిశోధనా బృందం నేతృత్వంలోని నిపుణుడు మరియు అభ్యాసకుల సమావేశ సమూహాలు, అభ్యాసంలో అంతర్దృష్టులను పొందేందుకు ఉద్దేశించిన ఈ అధ్యయన దశకు సహకరించాయి. డేటా గిడ్డంగి మరియు వారి స్వీకరణలో ఉన్న నష్టాలను గుర్తించడం. ఈ సందర్భోచిత అధ్యయన కాలంలో, తదుపరి అనుభావిక పరిశోధనలకు నేపథ్య జ్ఞానాన్ని అందించడానికి సమస్య ప్రాంతంపై అవగాహన ఏర్పడింది. అయితే, ఇది పరిశోధనా అధ్యయనం సమయంలో కొనసాగుతున్న ప్రక్రియ.
పార్ట్ II: అనుభావిక పరిశోధన
డేటా వేర్హౌసింగ్ యొక్క సాపేక్షంగా కొత్త కాన్సెప్ట్, ముఖ్యంగా ఆస్ట్రేలియాలో, వినియోగదారు అనుభవం యొక్క విస్తృత చిత్రాన్ని పొందడానికి ఒక సర్వే అవసరాన్ని సృష్టించింది. విస్తృతమైన సాహిత్య సమీక్ష ద్వారా సమస్య డొమైన్ స్థాపించబడిన తర్వాత ఈ భాగం నిర్వహించబడింది. సందర్భోచిత అధ్యయన దశలో ఏర్పడిన డేటా-వేర్హౌసింగ్ భావన ఈ అధ్యయనం యొక్క ప్రారంభ ప్రశ్నాపత్రానికి ఇన్పుట్గా ఉపయోగించబడింది. అనంతరం ప్రశ్నపత్రాన్ని పరిశీలించారు. మీరు నిపుణులు డేటా గిడ్డంగి పరీక్షలో పాల్గొన్నారు. ప్రాథమిక ప్రశ్నాపత్రాన్ని పరీక్షించడం యొక్క ఉద్దేశ్యం ప్రశ్నల సంపూర్ణత మరియు ఖచ్చితత్వాన్ని తనిఖీ చేయడం. పరీక్ష ఫలితాల ఆధారంగా, ప్రశ్నాపత్రం సవరించబడింది మరియు సవరించిన సంస్కరణ సర్వేలో పాల్గొనేవారికి పంపబడింది. తిరిగి వచ్చిన ప్రశ్నపత్రాలు i కోసం విశ్లేషించబడ్డాయి డటి పట్టికలు, రేఖాచిత్రాలు మరియు ఇతర ఫార్మాట్లలో. ది
యొక్క విశ్లేషణ ఫలితాలు డటి వారు ఆస్ట్రేలియాలో డేటా వేర్హౌసింగ్ ప్రాక్టీస్ యొక్క స్నాప్షాట్ను రూపొందించారు.
డేటా వేర్హౌజింగ్ అవలోకనం
కంప్యూటర్ టెక్నాలజీలో మెరుగుదలలతో డేటా వేర్హౌసింగ్ భావన అభివృద్ధి చెందింది.
ఇది డెసిషన్ సపోర్ట్ సిస్టమ్ (DSS) మరియు ఎగ్జిక్యూటివ్ ఇన్ఫర్మేషన్ సిస్టమ్ (EIS) వంటి అప్లికేషన్ సపోర్ట్ గ్రూపులు ఎదుర్కొంటున్న సమస్యలను అధిగమించడం లక్ష్యంగా పెట్టుకుంది.
గతంలో ఈ అప్లికేషన్ల యొక్క అతిపెద్ద అడ్డంకి ఈ అప్లికేషన్లు అందించలేకపోవడం డేటా బేస్ విశ్లేషణ కోసం అవసరం.
ఇది ప్రధానంగా నిర్వహణ యొక్క పని స్వభావం వల్ల కలుగుతుంది. కవర్ చేయబడిన ప్రాంతంపై ఆధారపడి కంపెనీ నిర్వహణ యొక్క ఆసక్తులు నిరంతరం మారుతూ ఉంటాయి. అందువల్ల ఐ డటి ఈ అనువర్తనాలకు ప్రాథమికంగా అవి చికిత్స చేయవలసిన భాగాన్ని బట్టి త్వరగా మార్చగలగాలి.
దీని అర్థం ఐ డటి అభ్యర్థించిన విశ్లేషణల కోసం తగిన రూపంలో తప్పనిసరిగా అందుబాటులో ఉండాలి. నిజానికి, అప్లికేషన్ సపోర్ట్ గ్రూపులు గతంలో సేకరించడం మరియు ఏకీకృతం చేయడం చాలా కష్టం డటి సంక్లిష్టమైన మరియు విభిన్న మూలాల నుండి.
ఈ విభాగంలోని మిగిలిన భాగం డేటా వేర్హౌసింగ్ యొక్క కాన్సెప్ట్ యొక్క అవలోకనాన్ని ప్రదర్శిస్తుంది మరియు ఎలా అనేదాని గురించి చర్చిస్తుంది డేటా గిడ్డంగి అప్లికేషన్ మద్దతు సమూహాల సమస్యలను అధిగమించవచ్చు.
పదం “డేటా గిడ్డంగి” అనేది 1990లో విలియం ఇన్మోన్చే ప్రాచుర్యం పొందింది. అతని తరచుగా ఉదహరించబడిన నిర్వచనాన్ని చూస్తారు డేటా గిడ్డంగి యొక్క సేకరణగా డటి నిర్వహణ నిర్ణయాలకు మద్దతుగా సబ్జెక్ట్-ఓరియెంటెడ్, ఇంటిగ్రేటెడ్, అస్థిరత లేని మరియు కాలక్రమేణా వేరియబుల్.
ఈ నిర్వచనాన్ని ఉపయోగించి Inmon హైలైట్ చేస్తుంది i డటి a లో నివసిస్తున్నారు డేటా గిడ్డంగి వారు క్రింది 4 లక్షణాలను కలిగి ఉండాలి:
- ▪ విషయ-ఆధారిత
- ▪ ఇంటిగ్రేటెడ్
- ▪ అస్థిరత లేనిది
- ▪ సబ్జెక్ట్-ఓరియెంటెడ్ ఇన్మోన్ ద్వారా కాలానుగుణంగా మారడం అంటే i డటి నెల్ డేటా గిడ్డంగి అతిపెద్ద సంస్థాగత ప్రాంతాలలో
నమూనాలో నిర్వచించబడింది డటి. ఉదాహరణకు అన్ని డటి i గురించి వినియోగదారులు సబ్జెక్ట్ ఏరియాలో ఉంటాయి కస్టమర్లు. అలాగే అన్నీ డటి ఉత్పత్తులకు సంబంధించినవి PRODUCTS సబ్జెక్ట్ ఏరియాలో ఉంటాయి.
ఇంటిగ్రేటెడ్ ఇన్మోన్ అంటే ఐ డటి వివిధ ప్లాట్ఫారమ్లు, సిస్టమ్లు మరియు స్థానాల నుండి వచ్చేవి కలిపి ఒకే చోట నిల్వ చేయబడతాయి. పర్యవసానంగా డటి సారూప్యమైన వాటిని తప్పనిసరిగా స్థిరమైన ఫార్మాట్లుగా మార్చాలి, తద్వారా వాటిని సులభంగా జోడించవచ్చు మరియు పోల్చవచ్చు.
ఉదాహరణకు, మగ మరియు ఆడ లింగం ఒక సిస్టమ్లో M మరియు F అక్షరాలతో మరియు మరొక వ్యవస్థలో 1 మరియు 0 ద్వారా సూచించబడుతుంది. వాటిని సరిగ్గా ఏకీకృతం చేయడానికి, ఒకటి లేదా రెండు ఫార్మాట్లను తప్పనిసరిగా మార్చాలి, తద్వారా రెండు ఫార్మాట్లు ఒకేలా ఉంటాయి. ఈ సందర్భంలో మనం Mని 1కి మరియు Fని 0కి లేదా వైస్ వెర్సాకి మార్చవచ్చు. సబ్జెక్ట్-ఓరియెంటెడ్ మరియు ఇంటిగ్రేటెడ్ అని సూచిస్తున్నాయి డేటా గిడ్డంగి యొక్క క్రియాత్మక మరియు విలోమ దృష్టిని అందించడానికి రూపొందించబడింది డటి కంపెనీ ద్వారా.
నాన్-వోలటైల్ అంటే అతను అంటే నేను డటి నెల్ డేటా గిడ్డంగి స్థిరంగా మరియు అప్డేట్ చేస్తూ ఉండండి డటి ఇది అవసరంలేదు. బదులుగా, ప్రతి మార్పు డటి అసలైనవి జోడించబడ్డాయి డేటాబేస్ యొక్క డేటా గిడ్డంగి. అంటే చారిత్రక దే డటి లో ఉంది డేటా గిడ్డంగి.
సమయంతో వేరియబుల్స్ కోసం Inmon సూచిస్తుంది i డటి నెల్ డేటా గిడ్డంగి ఎల్లప్పుడూ ei సమయ సూచికలను కలిగి ఉంటుంది డటి అవి సాధారణంగా ఒక నిర్దిష్ట సమయ క్షితిజాన్ని దాటుతాయి. ఉదాహరణకు a
డేటా గిడ్డంగి యొక్క 5 సంవత్సరాల చారిత్రక విలువలను కలిగి ఉంటుంది వినియోగదారులు 1993 నుండి 1997 వరకు. చరిత్ర లభ్యత మరియు సమయ శ్రేణి డటి ట్రెండ్లను విశ్లేషించడానికి మిమ్మల్ని అనుమతిస్తుంది.
Un డేటా గిడ్డంగి అతను తన సొంతంగా సేకరించవచ్చు డటి OLTP సిస్టమ్స్ నుండి; మూలాల నుండి డటి సంస్థకు వెలుపల మరియు/లేదా ఇతర ప్రత్యేక క్యాప్చర్ సిస్టమ్ ప్రాజెక్ట్ల ద్వారా డటి.
I డటి ఎక్స్ట్రాక్ట్లు శుభ్రపరిచే ప్రక్రియ ద్వారా వెళ్ళవచ్చు, ఈ సందర్భంలో i డటి లో నిల్వ చేయడానికి ముందు రూపాంతరం చెందుతాయి మరియు ఏకీకృతం చేయబడతాయి డేటాబేస్ యొక్క డేటా గిడ్డంగి. అప్పుడు నేను డటి
లోపల నివాసితులు డేటాబేస్ యొక్క డేటా గిడ్డంగి తుది వినియోగదారు లాగిన్లు మరియు పునరుద్ధరణ సాధనాలకు అందుబాటులో ఉంచబడ్డాయి. ఈ సాధనాలను ఉపయోగించి తుది వినియోగదారు సంస్థ యొక్క సమగ్ర వీక్షణను యాక్సెస్ చేయవచ్చు డటి.
I డటి లోపల నివాసితులు డేటాబేస్ యొక్క డేటా గిడ్డంగి అవి వివరంగా మరియు సారాంశ ఆకృతిలో నిల్వ చేయబడతాయి.
సారాంశం యొక్క స్థాయి స్వభావాన్ని బట్టి ఉండవచ్చు డటి. నేను డటి వివరంగా ఉండవచ్చు డటి ప్రస్తుత ఇ డటి స్టోరిసి
I డటి రాయల్టీలు చేర్చబడలేదు డేటా గిడ్డంగి నేను వరకు డటి నెల్ డేటా గిడ్డంగి నవీకరించబడ్డాయి.
నిల్వ చేయడంతో పాటు డటి తాము, a డేటా గిడ్డంగి ఇది వేరే రకాన్ని కూడా నిల్వ చేయగలదు తేదీ అని వర్ణిస్తూ METADATA అని పిలుస్తారు డటి అతనిలోని నివాసితులు డేటాబేస్.
మెటాడేటాలో రెండు రకాలు ఉన్నాయి: డెవలప్మెంట్ మెటాడేటా మరియు అనలిటిక్స్ మెటాడేటా.
డెవలప్మెంట్ మెటాడేటా యొక్క వెలికితీత, శుభ్రపరచడం, మ్యాపింగ్ మరియు లోడింగ్ ప్రక్రియలను నిర్వహించడానికి మరియు ఆటోమేట్ చేయడానికి ఉపయోగించబడుతుంది. డటి నెల్ డేటా గిడ్డంగి.
డెవలప్మెంట్ మెటాడేటాలో ఉన్న సమాచారంలో ఆపరేటింగ్ సిస్టమ్ల వివరాలు, సంగ్రహించాల్సిన మూలకాల వివరాలు, మోడల్ ఉంటాయి డటి యొక్క డేటా గిడ్డంగి మరియు మార్పిడి కోసం వ్యాపార నియమాలు డటి.
రెండవ రకం మెటాడేటా, అనలిటిక్స్ మెటాడేటా అని పిలుస్తారు, తుది వినియోగదారుని కంటెంట్ను అన్వేషించడానికి వీలు కల్పిస్తుంది. డేటా గిడ్డంగి కనుగొనేందుకు డటి అందుబాటులో ఉంది మరియు వాటి అర్థం స్పష్టమైన, నాన్-టెక్నికల్ పరంగా.
అందువల్ల విశ్లేషణల మెటాడేటా మధ్య వారధిగా పనిచేస్తుంది డేటా గిడ్డంగి మరియు తుది వినియోగదారు అప్లికేషన్లు. ఈ మెటాడేటాలో వ్యాపార నమూనా, వివరణలు ఉండవచ్చు డటి వ్యాపార నమూనాకు అనుగుణంగా, ముందే నిర్వచించబడిన ప్రశ్నలు మరియు నివేదికలు, వినియోగదారు యాక్సెస్ మరియు సూచిక కోసం సమాచారం.
విశ్లేషణ మరియు డెవలప్మెంట్ మెటాడేటా సరిగ్గా పనిచేయడానికి తప్పనిసరిగా ఒకే ఇంటిగ్రేటెడ్ కంటైన్మెంట్ మెటాడేటాగా కలపాలి.
దురదృష్టవశాత్తూ ఇప్పటికే ఉన్న అనేక సాధనాలు వాటి స్వంత మెటాడేటాను కలిగి ఉన్నాయి మరియు ప్రస్తుతం దానికి సంబంధించిన ప్రమాణాలు ఏవీ లేవు
ఈ మెటాడేటాను ఏకీకృతం చేయడానికి డేటా వేర్హౌసింగ్ సాధనాలను అనుమతించండి. ఈ పరిస్థితిని సరిచేయడానికి, ప్రధాన డేటా వేర్హౌసింగ్ సాధనాల వ్యాపారులు మెటా డేటా కౌన్సిల్ను ఏర్పాటు చేశారు, అది తర్వాత మెటా డేటా కూటమిగా మారింది.
మెటాడేటాను మార్చడానికి వివిధ డేటా వేర్హౌసింగ్ సాధనాలను అనుమతించే ప్రామాణిక మెటాడేటా సెట్ను రూపొందించడం ఈ సంకీర్ణం యొక్క లక్ష్యం
వారి ప్రయత్నాల ఫలితంగా మైక్రోసాఫ్ట్ ఆర్కైవ్లు మరియు సంబంధిత MDIS ఫైల్ల మధ్య సమాచార మార్పిడిని అనుమతించే మెటా డేటా ఇంటర్చేంజ్ స్పెసిఫికేషన్ (MDIS) పుట్టుకొచ్చింది.
యొక్క ఉనికి డటి సంగ్రహించబడిన/ఇండెక్స్ చేయబడిన మరియు వివరమైన రెండూ వినియోగదారుని నుండి డ్రిల్ డ్రౌన్ (డ్రిల్లింగ్) చేసే అవకాశాన్ని అందిస్తాయి డటి వివరణాత్మకమైన వాటికి ఇండెక్స్ చేయబడింది మరియు వైస్ వెర్సా. యొక్క ఉనికి డటి వివరణాత్మక చరిత్రలు కాలక్రమేణా ట్రెండ్ విశ్లేషణలను సృష్టించేందుకు అనుమతిస్తాయి. అదనంగా అనలిటిక్స్ మెటాడేటాను డైరెక్టరీగా ఉపయోగించవచ్చు డేటాబేస్ యొక్క డేటా గిడ్డంగి తుది వినియోగదారులను గుర్తించడంలో సహాయపడటానికి డటి అవసరమైన.
OLTP సిస్టమ్లతో పోల్చితే, విశ్లేషణకు మద్దతు ఇచ్చే సామర్థ్యంతో డటి మరియు రిపోర్టింగ్, ది డేటా గిడ్డంగి ప్రశ్నలను తయారు చేయడం మరియు వాటికి ప్రతిస్పందించడం మరియు నివేదికలను రూపొందించడం వంటి సమాచార ప్రక్రియలకు ఇది మరింత సరైన వ్యవస్థగా పరిగణించబడుతుంది. తదుపరి విభాగం రెండు వ్యవస్థల తేడాలను వివరంగా హైలైట్ చేస్తుంది.
డేటా వేర్హౌస్ OLTP సిస్టమ్లకు వ్యతిరేకంగా
సంస్థలలోని అనేక సమాచార వ్యవస్థలు రోజువారీ కార్యకలాపాలకు మద్దతు ఇవ్వడానికి ఉద్దేశించబడ్డాయి. OLTP SYSTEMS అని పిలువబడే ఈ సిస్టమ్లు నిరంతరం నవీకరించబడిన రోజువారీ లావాదేవీలను సంగ్రహిస్తాయి.
I డటి ఈ వ్యవస్థలలో అవి తరచుగా సవరించబడతాయి, జోడించబడతాయి లేదా తొలగించబడతాయి. ఉదాహరణకు, కస్టమర్ ఒక ప్రదేశం నుండి మరొక ప్రదేశానికి మారిన వెంటనే అతని చిరునామా మారుతుంది. ఈ సందర్భంలో చిరునామా ఫీల్డ్ను సవరించడం ద్వారా కొత్త చిరునామా నమోదు చేయబడుతుంది డేటాబేస్. ఈ వ్యవస్థల యొక్క ప్రధాన లక్ష్యం లావాదేవీ ఖర్చులను తగ్గించడం మరియు అదే సమయంలో ప్రాసెసింగ్ సమయాన్ని తగ్గించడం. OLTP సిస్టమ్ల ఉదాహరణలు ఆర్డర్ ఎంట్రీ, పేరోల్, ఇన్వాయిస్, తయారీ, కస్టమర్ సర్వీస్ వంటి క్లిష్టమైన చర్యలను కలిగి ఉంటాయి. వినియోగదారులు.
లావాదేవీ మరియు ఈవెంట్-ఆధారిత ప్రక్రియల కోసం సృష్టించబడిన OLTP సిస్టమ్ల వలె కాకుండా, i డేటా గిడ్డంగి విశ్లేషణ-ఆధారిత ప్రక్రియలకు మద్దతు అందించడానికి సృష్టించబడ్డాయి డటి మరియు నిర్ణయం తీసుకునే ప్రక్రియలు.
ఇది సాధారణంగా i ఇంటిగ్రేట్ చేయడం ద్వారా సాధించబడుతుంది డటి ఒకే "కంటైనర్"లో వివిధ OLTP మరియు బాహ్య వ్యవస్థల నుండి డటి, మునుపటి విభాగంలో చర్చించినట్లు.
మోనాష్ డేటా వేర్హౌసింగ్ ప్రాసెస్ మోడల్
కోసం ప్రక్రియ నమూనా డేటా గిడ్డంగి మోనాష్ని మోనాష్ డిఎస్ఎస్ రీసెర్చ్ గ్రూప్లోని పరిశోధకులు అభివృద్ధి చేశారు మరియు ఇది సాహిత్యం ఆధారంగా రూపొందించబడింది డేటా గిడ్డంగి, సిస్టమ్స్ ఫీల్డ్ల అభివృద్ధికి తోడ్పాటు అందించడంలో అనుభవంపై, ఉపయోగం కోసం అప్లికేషన్ల విక్రేతలతో చర్చలు డేటా గిడ్డంగి, ఉపయోగంలో నిపుణుల బృందంపై డేటా గిడ్డంగి.
దశలు: దీక్ష, ప్రణాళిక, అభివృద్ధి, కార్యకలాపాలు మరియు వివరణలు. రేఖాచిత్రం a యొక్క అభివృద్ధి యొక్క పునరావృత లేదా పరిణామ స్వభావాన్ని వివరిస్తుంది డేటా గిడ్డంగి వివిధ దశల మధ్య ఉంచబడిన రెండు-మార్గం బాణాలను ఉపయోగించి ప్రక్రియ. ఈ సందర్భంలో, “పునరుక్తి” మరియు “పరిణామం” అంటే, ప్రక్రియ యొక్క ప్రతి దశలో, అమలు కార్యకలాపాలు ఎల్లప్పుడూ మునుపటి దశకు వెనుకకు ప్రచారం చేయగలవు. ఇది ప్రాజెక్ట్ యొక్క స్వభావం కారణంగా ఉంది డేటా గిడ్డంగి దీనిలో తుది వినియోగదారు నుండి అదనపు అభ్యర్థనలు ఎప్పుడైనా ఉత్పన్నమవుతాయి. ఉదాహరణకు, ఒక ప్రక్రియ అభివృద్ధి దశలో డేటా గిడ్డంగి, కొత్త డైమెన్షన్ లేదా సబ్జెక్ట్ ఏరియాను తుది వినియోగదారు అభ్యర్థించారు, ఇది అసలు ప్లాన్లో భాగం కాదు, ఇది తప్పనిసరిగా సిస్టమ్కు జోడించబడాలి. ఇది ప్రాజెక్ట్లో మార్పుకు కారణమవుతుంది. ఫలితంగా డిజైన్ దశలో ఇప్పటివరకు రూపొందించిన పత్రాల అవసరాలను డిజైన్ బృందం తప్పనిసరిగా మార్చాలి. అనేక సందర్భాల్లో, ప్రాజెక్ట్ యొక్క ప్రస్తుత స్థితి తప్పనిసరిగా డిజైన్ దశకు తిరిగి వెళ్లాలి, ఇక్కడ కొత్త అవసరాన్ని జోడించి, డాక్యుమెంట్ చేయాలి. తుది వినియోగదారు తప్పనిసరిగా సమీక్షించబడిన నిర్దిష్ట డాక్యుమెంటేషన్ మరియు అభివృద్ధి దశలో చేసిన మార్పులను చూడగలగాలి. ఈ డెవలప్మెంట్ సైకిల్ ముగింపులో ప్రాజెక్ట్ డెవలప్మెంట్ మరియు యూజర్ టీమ్ల నుండి అద్భుతమైన అభిప్రాయాన్ని పొందాలి. భవిష్యత్ ప్రాజెక్ట్ను మెరుగుపరచడానికి అభిప్రాయం మళ్లీ ఉపయోగించబడుతుంది.
సామర్థ్యపు ప్రణాళిక
Dw పరిమాణంలో చాలా పెద్దది మరియు చాలా త్వరగా పెరుగుతుంది (బెస్ట్ 1995, రూడిన్ 1997a) మొత్తం ఫలితంగా డటి వారు తమ వ్యవధి నుండి నిలుపుకున్న చరిత్రలు. పెరుగుదల కూడా కారణం కావచ్చు డటి విలువను పెంచడానికి వినియోగదారులు అభ్యర్థించిన చేర్పులు డటి వారు ఇప్పటికే కలిగి ఉన్నారు. దీని ప్రకారం, నిల్వ అవసరాలు డటి గణనీయంగా పెంచవచ్చు (ఎకర్సన్ 1997). అందువల్ల, సామర్థ్య ప్రణాళికను నిర్వహించడం ద్వారా, అవసరాలు పెరిగే కొద్దీ నిర్మించబడుతున్న వ్యవస్థ వృద్ధి చెందుతుందని నిర్ధారించుకోవడం చాలా అవసరం (బెస్ట్ 1995, లాప్లాంటే 1996, లాంగ్ 1997, ఎకర్సన్ 1997, రూడిన్ 1997a, ఫోలే 1997a).
డేటాబేస్ యొక్క స్కేలబిలిటీని ప్లాన్ చేయడంలో, గిడ్డంగి పరిమాణంలో ఆశించిన వృద్ధిని తెలుసుకోవాలి, సందేహాల రకాలు మరియు మద్దతు ఉన్న తుది వినియోగదారుల సంఖ్య (బెస్ట్ 1995, రూడిన్ 1997బి, ఫోలే 1997a). స్కేలబుల్ అప్లికేషన్లను రూపొందించడానికి స్కేలబుల్ సర్వర్ టెక్నాలజీలు మరియు స్కేలబుల్ అప్లికేషన్ డిజైన్ టెక్నిక్ల కలయిక అవసరం (ఉత్తమ 1995, రూడిన్ 1997b. అత్యంత స్కేలబుల్ అప్లికేషన్ను రూపొందించడంలో రెండూ అవసరం. స్కేలబుల్ సర్వర్ టెక్నాలజీలు నిల్వ, మెమరీ మరియు CPUని తగ్గించకుండా జోడించడం సులభం మరియు ప్రయోజనకరంగా ఉంటాయి. ప్రదర్శన (లాంగ్ 1997, టెలిఫోనీ 1997).
రెండు ప్రధాన స్కేలబుల్ సర్వర్ సాంకేతికతలు ఉన్నాయి: సిమెట్రిక్ మల్టిపుల్ ప్రాసెసింగ్ (SMP) మరియు మాసివ్లీ ప్యారలల్ ప్రాసెసింగ్ (MPP) (IDC 1997, హంఫ్రీస్ మరియు ఇతరులు. 1999). ఒక SMP సర్వర్ సాధారణంగా మెమరీ, సిస్టమ్ బస్ మరియు ఇతర వనరులను పంచుకునే బహుళ ప్రాసెసర్లను కలిగి ఉంటుంది (IDC 1997, హంఫ్రీస్ మరియు ఇతరులు. 1999). దీన్ని పెంచడానికి అదనపు ప్రాసెసర్లను జోడించవచ్చు శక్తి గణనకు సంబంధించిన. పెంచడానికి మరొక పద్ధతి శక్తి SMP సర్వర్లో, అనేక SMP మెషీన్లను కలపడం. ఈ సాంకేతికతను క్లస్టరింగ్ అంటారు (హంఫ్రీస్ మరియు ఇతరులు. 1999). ఒక MPP సర్వర్, మరోవైపు, దాని స్వంత మెమరీ, బస్ సిస్టమ్ మరియు ఇతర వనరులతో బహుళ ప్రాసెసర్లను కలిగి ఉంటుంది (IDC 1997, హంఫ్రీస్ మరియు ఇతరులు. 1999). ప్రతి ప్రాసెసర్ను నోడ్ అంటారు. లో పెరుగుదల శక్తి గణన సాధించవచ్చు
MPP సర్వర్లకు అదనపు నోడ్లను జోడించడం (హంఫ్రీస్ మరియు ఇతరులు. 1999).
SMP సర్వర్ల బలహీనత ఏమిటంటే, చాలా ఎక్కువ ఇన్పుట్-అవుట్పుట్ (I/O) ఆపరేషన్లు సిస్టమ్ బస్లో రద్దీని కలిగిస్తాయి (IDC 1997). ప్రతి ప్రాసెసర్కు దాని స్వంత బస్ సిస్టమ్ ఉన్నందున ఈ సమస్య MPP సర్వర్లలో సంభవించదు. అయితే, ప్రతి నోడ్ మధ్య ఇంటర్ కనెక్షన్లు సాధారణంగా SMP బస్ సిస్టమ్ కంటే చాలా నెమ్మదిగా ఉంటాయి. అదనంగా, MPP సర్వర్లు అప్లికేషన్ డెవలపర్లకు అదనపు స్థాయి సంక్లిష్టతను జోడించగలవు (IDC 1997). అందువలన, SMP మరియు MPP సర్వర్ల మధ్య ఎంపిక అప్లికేషన్ల సంక్లిష్టత, ధర/పనితీరు నిష్పత్తి, అవసరమైన ప్రాసెసింగ్ సామర్థ్యం, నిరోధించబడిన dw అప్లికేషన్లు మరియు పరిమాణంలో పెరుగుదల వంటి అనేక అంశాల ద్వారా ప్రభావితమవుతుంది. డేటాబేస్ dw మరియు తుది వినియోగదారుల సంఖ్యలో.
సామర్థ్య ప్రణాళికలో అనేక స్కేలబుల్ అప్లికేషన్ డిజైన్ పద్ధతులు ఉపయోగించబడతాయి. ఒకటి రోజులు, వారాలు, నెలలు మరియు సంవత్సరాల వంటి వివిధ నోటిఫికేషన్ కాలాలను ఉపయోగిస్తుంది. వివిధ నోటిఫికేషన్ వ్యవధిని కలిగి ఉండటం, ది డేటాబేస్ దానిని నిర్వహించగలిగేలా సమూహ ముక్కలుగా విభజించవచ్చు (ఇన్మోన్ మరియు ఇతరులు. 1997). సంగ్రహించడం ద్వారా నిర్మించబడిన సారాంశ పట్టికలను ఉపయోగించడం మరొక సాంకేతికత డటి da డటి వివరంగా. కాబట్టి నేను డటి సంగ్రహించబడినవి వివరమైన వాటి కంటే చాలా కాంపాక్ట్, దీనికి తక్కువ మెమరీ స్థలం అవసరం. కాబట్టి ది డటి వివరాలను తక్కువ ఖరీదైన నిల్వ యూనిట్లో నిల్వ చేయవచ్చు, ఇది మరింత ఎక్కువ నిల్వను ఆదా చేస్తుంది. సారాంశ పట్టికలను ఉపయోగించడం మెమరీ స్థలాన్ని ఆదా చేయగలిగినప్పటికీ, వాటిని తాజాగా మరియు వ్యాపార అవసరాలకు అనుగుణంగా ఉంచడానికి చాలా కృషి అవసరం. అయినప్పటికీ, ఈ సాంకేతికత విస్తృతంగా ఉపయోగించబడుతుంది మరియు తరచుగా మునుపటి సాంకేతికతతో కలిపి ఉపయోగించబడుతుంది (బెస్ట్ 1995, ఇన్మాన్ 1996a, చౌదురి మరియు దయాల్
1997).
నిర్వచించు డేటా గిడ్డంగి టెక్నికల్ ఆర్కిటెక్చర్స్ dw ఆర్కిటెక్చర్ టెక్నిక్ల నిర్వచనం
డేటా వేర్హౌసింగ్ను ముందుగా స్వీకరించినవారు ప్రాథమికంగా dw యొక్క కేంద్రీకృత అమలును రూపొందించారు, దీనిలో అన్ని డటి, i సహా డటి బాహ్య, ఏకంగా విలీనం చేయబడ్డాయి,
భౌతిక నిల్వ (ఇన్మోన్ 1996a, బ్రెస్నహన్ 1996, పీకాక్ 1998).
ఈ విధానం యొక్క ప్రధాన ప్రయోజనం ఏమిటంటే, తుది వినియోగదారులు సంస్థ-వ్యాప్త వీక్షణను యాక్సెస్ చేయగలరు డటి సంస్థాగత (ఓవమ్ 1998). మరొక ప్రయోజనం ఏమిటంటే ఇది ప్రామాణీకరణను అందిస్తుంది డటి సంస్థ ద్వారా, అంటే dw రిపోజిటరీ (మెటాడేటా) (Flanagan మరియు Safdie 1997, Ovum 1998)లో ఉపయోగించిన ప్రతి పదజాలానికి ఒక వెర్షన్ లేదా నిర్వచనం మాత్రమే ఉంటుంది. మరోవైపు, ఈ విధానం యొక్క ప్రతికూలత ఏమిటంటే, ఇది ఖరీదైనది మరియు నిర్మించడం కష్టం (ఫ్లానాగన్ మరియు సాఫ్డీ 1997, ఓవమ్ 1998, ఇన్మోన్ మరియు ఇతరులు. 1998). నిల్వ నిర్మాణం తర్వాత చాలా కాలం తర్వాత డటి కేంద్రీకృతమైనది ప్రజాదరణ పొందింది, అభివృద్ధి చెందిన చిన్న ఉపసమితులను వెలికితీసే భావన డటి నిర్దిష్ట అప్లికేషన్ల అవసరాలకు మద్దతు ఇవ్వడానికి (వార్నీ 1996, IDC 1997, బెర్సన్ మరియు స్మిత్ 1997, పీకాక్ 1998). ఈ చిన్న వ్యవస్థలు పెద్ద వాటి నుండి ఉత్పన్నాలు డేటా గిడ్డంగి కేంద్రీకృతమైన. వాటికి పేరు పెట్టారు డేటా గిడ్డంగి డిపెండెంట్ డిపార్ట్మెంటల్ లేదా డిపెండెంట్ డేటా మార్ట్లు. డిపెండెంట్ డేటా మార్ట్ ఆర్కిటెక్చర్ను త్రీ-టైర్డ్ ఆర్కిటెక్చర్ అంటారు, ఇక్కడ మొదటి శ్రేణిలో డేటా గిడ్డంగి కేంద్రీకృతమైనది, రెండవది డిపాజిట్లను కలిగి ఉంటుంది డటి డిపార్ట్మెంటల్ మరియు మూడవది యాక్సెస్ను కలిగి ఉంటుంది డటి మరియు విశ్లేషణ సాధనాల ద్వారా (Demarest 1994, Inmon et al. 1997).
డేటా మార్ట్లు సాధారణంగా దీని తర్వాత నిర్మించబడతాయి డేటా గిడ్డంగి నిర్దిష్ట యూనిట్ల (వైట్ 1995, వార్నీ 1996) అవసరాలను తీర్చడానికి కేంద్రీకృతమై నిర్మించబడింది.
డేటా మార్ట్లు నిల్వ చేస్తాయి డటి నిర్దిష్ట యూనిట్లకు సంబంధించి చాలా సందర్భోచితమైనది (ఇన్మోన్ మరియు ఇతరులు. 1997, ఇన్మోన్ మరియు ఇతరులు. 1998, IA 1998).
ఈ పద్ధతి యొక్క ప్రయోజనం ఉండదు తేదీ సమగ్రపరచబడలేదు మరియు అది i డటి అన్ని నుండి డేటా మార్ట్లలో తక్కువ అనవసరంగా ఉంటుంది డటి అవి గిడ్డంగి నుండి వస్తాయి డటి ఇంటిగ్రేటెడ్. మరొక ప్రయోజనం ఏమిటంటే ప్రతి డేటా మార్ట్ మరియు దాని మూలాల మధ్య కొన్ని కనెక్షన్లు ఉంటాయి డటి ఎందుకంటే ప్రతి డేటా మార్ట్కు ఒకే మూలం ఉంటుంది డటి. అదనంగా, ఈ నిర్మాణంతో, తుది వినియోగదారులు ఇప్పటికీ స్థూలదృష్టిని యాక్సెస్ చేయవచ్చు డటి
కార్పొరేట్ సంస్థలు. ఈ పద్ధతిని టాప్-డౌన్ పద్ధతిగా పిలుస్తారు, ఇక్కడ డేటా మార్ట్లు నిర్మించబడతాయి డేటా గిడ్డంగి (నెమలి 1998, గోఫ్ 1998).
ఫలితాలను ముందుగానే చూపించాల్సిన అవసరాన్ని పెంచుతూ, కొన్ని సంస్థలు స్వతంత్ర డేటా మార్ట్లను నిర్మించడం ప్రారంభించాయి (ఫ్లనాగన్ మరియు సాఫ్డీ 1997, వైట్ 2000). ఈ సందర్భంలో, డేటా మార్ట్లు వాటి స్వంతం చేసుకుంటాయి డటి యొక్క ప్రాథమిక అంశాల నుండి నేరుగా డటి OLTP మరియు కేంద్రీకృత మరియు సమీకృత గిడ్డంగి నుండి కాదు, తద్వారా సైట్లో కేంద్ర గిడ్డంగిని కలిగి ఉండవలసిన అవసరాన్ని తొలగిస్తుంది.
ప్రతి డేటా మార్ట్కు దాని మూలాలకు కనీసం ఒక లింక్ అవసరం డటి. ప్రతి డేటా మార్ట్కు బహుళ కనెక్షన్లను కలిగి ఉండటం యొక్క ప్రతికూలత ఏమిటంటే, మునుపటి రెండు ఆర్కిటెక్చర్లతో పోల్చితే, అధిక మొత్తంలో డటి గణనీయంగా పెరుగుతుంది.
ప్రతి డేటా మార్ట్ తప్పనిసరిగా అన్నింటినీ నిల్వ చేయాలి డటి OLTP సిస్టమ్లపై ప్రభావం చూపకుండా స్థానికంగా అవసరం. ఇది ఐ డటి అవి వేర్వేరు డేటా మార్ట్లలో నిల్వ చేయబడతాయి (ఇన్మోన్ మరియు ఇతరులు. 1997). ఈ ఆర్కిటెక్చర్ యొక్క మరొక ప్రతికూలత ఏమిటంటే ఇది డేటా మార్ట్లు మరియు వాటి డేటా సోర్స్ల మధ్య సంక్లిష్టమైన ఇంటర్కనెక్షన్ల సృష్టికి దారి తీస్తుంది. డటి నిర్వహించడం మరియు నియంత్రించడం కష్టం (ఇన్మోన్ మరియు ఇతరులు. 1997).
మరొక ప్రతికూలత ఏమిటంటే, తుది వినియోగదారులు కంపెనీ సమాచారం యొక్క అవలోకనాన్ని యాక్సెస్ చేయలేరు ఎందుకంటే i డటి వివిధ డేటా మార్ట్లు ఏకీకృతం చేయబడలేదు (Ovum 1998).
ఇంకొక ప్రతికూలత ఏమిటంటే, డేటా మార్ట్లలో ఉపయోగించే ప్రతి పదజాలానికి ఒకటి కంటే ఎక్కువ నిర్వచనాలు ఉండవచ్చు, ఇది అసమానతలను సృష్టిస్తుంది డటి సంస్థలో (ఓవమ్ 1998).
పైన చర్చించిన ప్రతికూలతలు ఉన్నప్పటికీ, స్వతంత్ర డేటా మార్ట్లు ఇప్పటికీ అనేక సంస్థల ఆసక్తిని ఆకర్షిస్తున్నాయి (IDC 1997). వాటిని ఆకర్షణీయంగా చేసే ఒక అంశం ఏమిటంటే అవి త్వరగా అభివృద్ధి చెందుతాయి మరియు తక్కువ సమయం మరియు వనరులు అవసరమవుతాయి (బ్రెస్నాహన్ 1996, బెర్సన్ మరియు స్మిత్ 1997, ఓవమ్ 1998). పర్యవసానంగా, అవి ప్రాథమికంగా ప్రాజెక్ట్లోని ప్రయోజనాలు మరియు/లేదా లోపాలను త్వరగా గుర్తించడానికి ఉపయోగించే టెస్ట్ ప్రాజెక్ట్లుగా పనిచేస్తాయి (Parsaye 1995, Braly 1995, Newing 1996). ఈ సందర్భంలో, పైలట్ ప్రాజెక్ట్లో అమలు చేయవలసిన భాగం తప్పనిసరిగా చిన్నదిగా ఉండాలి కానీ సంస్థకు ముఖ్యమైనదిగా ఉండాలి (న్యూవింగ్ 1996, మాన్సెల్-లూయిస్ 1996).
ప్రోటోటైప్ను పరిశీలించడం ద్వారా, తుది వినియోగదారులు మరియు పరిపాలన ప్రాజెక్ట్ను కొనసాగించాలా లేదా నిలిపివేయాలా అని నిర్ణయించుకోవచ్చు (ఫ్లానాగన్ మరియు సాఫ్డీ 1997).
నిర్ణయం కొనసాగించాలంటే, ఇతర పరిశ్రమల కోసం డేటా మార్ట్లను ఒక్కొక్కటిగా నిర్మించాలి. స్వతంత్ర డేటా మాత్రికలను రూపొందించడంలో వారి అవసరాల ఆధారంగా తుది వినియోగదారులకు రెండు ఎంపికలు ఉన్నాయి: ఇంటిగ్రేటెడ్/ఫెడరేటెడ్ మరియు ఇంటిగ్రేటెడ్ (ఓవమ్ 1998)
మొదటి పద్ధతిలో, ప్రతి కొత్త డేటా మార్ట్ ప్రస్తుత డేటా మార్ట్లు మరియు మోడల్ ఆధారంగా నిర్మించబడాలి డటి కంపెనీ ఉపయోగించింది (వార్నీ 1996, బెర్సన్ మరియు స్మిత్ 1997, పీకాక్ 1998). మోడల్ను ఉపయోగించాల్సిన అవసరం ఉంది డటి కంపెనీ అంటే డేటా మార్ట్ల అంతటా ఉపయోగించే ప్రతి పదజాలానికి ఒకే ఒక నిర్వచనం ఉందని నిర్ధారించుకోవాలి, అలాగే కంపెనీ సమాచారం యొక్క అవలోకనాన్ని అందించడానికి వివిధ డేటా మార్ట్లను కలపవచ్చని నిర్ధారించుకోవాలి (Bresnahan 1996). ఈ పద్ధతిని బాటమ్-అప్ అని పిలుస్తారు మరియు ఆర్థిక స్తోమత మరియు సమయం (ఫ్లానాగన్ మరియు సాఫ్డీ 1997, ఓవమ్ 1998, పీకాక్ 1998, గోఫ్ 1998)పై పరిమితి ఉన్నప్పుడు ఉత్తమం. రెండవ పద్ధతిలో, నిర్మించిన డేటా మార్ట్లు నిర్దిష్ట యూనిట్ అవసరాలను మాత్రమే తీర్చగలవు. ఫెడరేటెడ్ డేటా మార్ట్ యొక్క వైవిధ్యం డేటా గిడ్డంగి దీనిలో పంపిణీ చేయబడింది డేటాబేస్ హబ్ సర్వర్ మిడిల్వేర్ అనేక డేటా మార్ట్లను ఒకే రిపోజిటరీలో విలీనం చేయడానికి ఉపయోగించబడుతుంది డటి పంపిణీ చేయబడింది (వైట్ 1995). ఈ సందర్భంలో, ఐ డటి కంపెనీలు అనేక డేటా మార్ట్లలో పంపిణీ చేయబడ్డాయి. తుది వినియోగదారు అభ్యర్థనలు పంపబడతాయి డేటాబేస్ సర్వర్ హబ్ మిడిల్వేర్, ఇది అన్నింటినీ సంగ్రహిస్తుంది డటి డేటా మార్ట్ల ద్వారా అభ్యర్థించబడింది మరియు తుది వినియోగదారు అప్లికేషన్లకు ఫలితాలను అందిస్తుంది. ఈ పద్ధతి తుది వినియోగదారులకు వ్యాపార సమాచారాన్ని అందిస్తుంది. అయినప్పటికీ, స్వతంత్ర డేటా మార్ట్ల సమస్యలు ఇప్పటికీ తొలగించబడలేదు. అని పిలువబడే మరొక నిర్మాణాన్ని ఉపయోగించవచ్చు డేటా గిడ్డంగి వర్చువల్ (వైట్ 1995). అయితే, మూర్తి 2.9లో వివరించబడిన ఈ ఆర్కిటెక్చర్ డేటా స్టోరేజ్ ఆర్కిటెక్చర్ కాదు. డటి OLTP సిస్టమ్ల నుండి లోడింగ్ని తరలించనందున ఇది వాస్తవం డేటా గిడ్డంగి (డిమరెస్ట్ 1994).
వాస్తవానికి, అభ్యర్థనలు డటి వినియోగదారు అభ్యర్థనలను ప్రాసెస్ చేసిన తర్వాత ఫలితాలను అందించే OLTP సిస్టమ్లకు తుది వినియోగదారులు పంపబడతారు. ఈ ఆర్కిటెక్చర్ తుది వినియోగదారులను నివేదికలను రూపొందించడానికి మరియు అభ్యర్థనలను చేయడానికి అనుమతించినప్పటికీ, ఇది అందించదు
డటి i వంటి సంస్థ సమాచారం యొక్క చారిత్రక మరియు అవలోకనం డటి వివిధ OLTP వ్యవస్థల నుండి ఏకీకృతం చేయబడలేదు. అందువల్ల, ఈ నిర్మాణం యొక్క విశ్లేషణను సంతృప్తిపరచలేదు డటి అంచనాల వంటి సంక్లిష్టమైనది.
యాక్సెస్ మరియు రికవరీ అప్లికేషన్ల ఎంపిక డటి
నిర్మాణం యొక్క ఉద్దేశ్యం a డేటా గిడ్డంగి తుది వినియోగదారులకు సమాచారాన్ని తెలియజేయడం (ఇన్మోన్ మరియు ఇతరులు. 1997, పో 1996, మెక్ఫాడెన్ 1996, షాంక్స్ మరియు ఇతరులు. 1997, హామర్గ్రెన్ 1998); ఒకటి లేదా అంతకంటే ఎక్కువ యాక్సెస్ మరియు రికవరీ అప్లికేషన్లు డటి తప్పక అందించాలి. ఈ రోజు వరకు, వినియోగదారు ఎంచుకోగల అనేక రకాల అప్లికేషన్లు ఉన్నాయి (Hammergren 1998, Humphries et al. 1999). మీరు ఎంచుకున్న అప్లికేషన్లు మీ వేర్హౌసింగ్ ప్రయత్నం యొక్క విజయాన్ని నిర్ణయిస్తాయి డటి ఒక సంస్థలో అప్లికేషన్లు ఎక్కువగా కనిపించే భాగం డేటా గిడ్డంగి తుది వినియోగదారుకు (ఇన్మోన్ మరియు ఇతరులు 1997, పో 1996). విజయవంతం కావడానికి ఎ డేటా గిడ్డంగి, యొక్క విశ్లేషణ కార్యకలాపాలకు మద్దతు ఇవ్వగలగాలి డటి తుది వినియోగదారు (పో 1996, సెడాన్ మరియు బెంజమిన్ 1998, ఎకెర్సన్ 1999). అందువల్ల తుది వినియోగదారు కోరుకునే "స్థాయి" తప్పనిసరిగా గుర్తించబడాలి (Poe 1996, Mattison 1996, Inmon et al 1997, Humphries et al 1999).
సాధారణంగా, తుది వినియోగదారులను మూడు వర్గాలుగా వర్గీకరించవచ్చు: కార్యనిర్వాహక వినియోగదారులు, వ్యాపార విశ్లేషకులు మరియు శక్తి వినియోగదారులు (Poe 1996, Humphries et al. 1999). ఎగ్జిక్యూటివ్ యూజర్లకు ముందే నిర్వచించబడిన నివేదికల సెట్లకు సులభంగా యాక్సెస్ అవసరం (హంఫ్రీస్ మరియు ఇతరులు. 1999). ఈ నిష్పత్తులను మెను నావిగేషన్తో సులభంగా యాక్సెస్ చేయవచ్చు (Poe 1996). అదనంగా, సమాచారాన్ని త్వరగా తెలియజేయడానికి పట్టికలు మరియు టెంప్లేట్ల వంటి గ్రాఫికల్ ప్రాతినిధ్యాన్ని ఉపయోగించి నివేదికలు సమాచారాన్ని అందించాలి (హంఫ్రీస్ మరియు ఇతరులు. 1999). వ్యాపార విశ్లేషకులు, వారి స్వంతంగా మొదటి నుండి నివేదికలను అభివృద్ధి చేయడానికి సాంకేతిక సామర్థ్యాలను కలిగి ఉండకపోవచ్చు, వారి నిర్దిష్ట అవసరాలకు అనుగుణంగా ప్రస్తుత నివేదికలను సవరించగలగాలి (Poe 1996, Humphries et al. 1999). మరోవైపు, పవర్ యూజర్లు మొదటి నుండి అభ్యర్థనలు మరియు నివేదికలను రూపొందించే మరియు వ్రాయగల సామర్థ్యాన్ని కలిగి ఉన్న తుది వినియోగదారుల రకం (Poe 1996, Humphries et al. 1999). వారే వారే
వారు ఇతర రకాల వినియోగదారుల కోసం నివేదికలను అభివృద్ధి చేస్తారు (Poe 1996, Humphries et al. 1999).
తుది వినియోగదారు అవసరాలు నిర్ణయించబడిన తర్వాత, యాక్సెస్ మరియు రికవరీ అప్లికేషన్ల ఎంపిక తప్పనిసరిగా చేయాలి డటి అందుబాటులో ఉన్న వారందరిలో (పో 1996, ఇన్మోన్ మరియు ఇతరులు. 1997).
యాక్సెస్ డటి మరియు తిరిగి పొందే సాధనాలను 4 రకాలుగా వర్గీకరించవచ్చు: OLAP సాధనాలు, EIS/DSS సాధనాలు, ప్రశ్న మరియు రిపోర్టింగ్ సాధనాలు మరియు డేటా మైనింగ్ సాధనాలు.
OLAP సాధనాలు వినియోగదారులను తాత్కాలిక ప్రశ్నలను సృష్టించడానికి అనుమతిస్తాయి డేటాబేస్ యొక్క డేటా గిడ్డంగి. అదనంగా, ఈ ఉత్పత్తులు వినియోగదారుల నుండి డ్రిల్ డౌన్ చేయడానికి అనుమతిస్తాయి డటి సాధారణ నుండి వివరమైన వాటికి.
EIS/DSS సాధనాలు "ఏమిటి ఉంటే" విశ్లేషణ మరియు మెను-ఆధారిత నివేదికలకు యాక్సెస్ వంటి ఎగ్జిక్యూటివ్ రిపోర్టింగ్లను అందిస్తాయి. సులభంగా నావిగేషన్ కోసం నివేదికలు ముందుగా నిర్వచించబడాలి మరియు మెనులతో విలీనం చేయాలి.
ప్రశ్న మరియు రిపోర్టింగ్ సాధనాలు వినియోగదారులను ముందే నిర్వచించిన మరియు నిర్దిష్ట నివేదికలను రూపొందించడానికి అనుమతిస్తాయి.
మరచిపోయిన కార్యకలాపాలపై కొత్త వెలుగును నింపగల సంబంధాలను గుర్తించడానికి డేటా మైనింగ్ సాధనాలు ఉపయోగించబడతాయి డటి డేటా గిడ్డంగి యొక్క.
ప్రతి రకమైన వినియోగదారు యొక్క అవసరాలను ఆప్టిమైజ్ చేయడంతో పాటు, ఎంచుకున్న సాధనాలు సహజంగా, సమర్థవంతంగా మరియు ఉపయోగించడానికి సులభమైనవిగా ఉండాలి. వారు ఆర్కిటెక్చర్లోని ఇతర భాగాలకు అనుకూలంగా ఉండాలి మరియు ఇప్పటికే ఉన్న సిస్టమ్లతో పని చేయగలగాలి. సహేతుకమైన ధరలు మరియు పనితీరుతో డేటా యాక్సెస్ మరియు రిట్రీవల్ సాధనాలను ఎంచుకోవాలని కూడా సిఫార్సు చేయబడింది. పరిగణలోకి తీసుకోవలసిన ఇతర ప్రమాణాలలో టూల్ విక్రేత వారి ఉత్పత్తికి మద్దతు ఇవ్వడానికి నిబద్ధత మరియు భవిష్యత్తు విడుదలలలో అది ఎలా అభివృద్ధి చెందుతుంది. డేటా వేర్హౌస్ను ఉపయోగించడంలో వినియోగదారు నిశ్చితార్థాన్ని నిర్ధారించడానికి, డెవలప్మెంట్ టీమ్ టూల్ ఎంపిక ప్రక్రియలో వినియోగదారులను కలిగి ఉంటుంది. ఈ సందర్భంలో, ఆచరణాత్మక వినియోగదారు అంచనా వేయాలి.
డేటా వేర్హౌస్ విలువను మెరుగుపరచడానికి డెవలప్మెంట్ బృందం వారి డేటా గిడ్డంగికి వెబ్ యాక్సెస్ను కూడా అందించగలదు. వెబ్-ప్రారంభించబడిన డేటా వేర్హౌస్ వినియోగదారులను యాక్సెస్ చేయడానికి అనుమతిస్తుంది డటి దూర ప్రాంతాల నుండి లేదా ప్రయాణిస్తున్నప్పుడు. ఇంకా సమాచారం పొందవచ్చు
శిక్షణ ఖర్చులను తగ్గించడం ద్వారా తక్కువ ఖర్చుతో అందించబడుతుంది.
2.4.3 డేటా గిడ్డంగి ఆపరేషన్ దశ
ఈ దశ మూడు కార్యకలాపాలను కలిగి ఉంటుంది: డేటా రిఫ్రెష్ వ్యూహాల నిర్వచనం, డేటా గిడ్డంగి కార్యకలాపాల నియంత్రణ మరియు డేటా గిడ్డంగి భద్రత నిర్వహణ.
డేటా రిఫ్రెష్ వ్యూహాల నిర్వచనం
ప్రారంభ లోడ్ తర్వాత, i డటి నెల్ డేటాబేస్ వాటికి చేసిన మార్పులను పునరుత్పత్తి చేయడానికి డేటా గిడ్డంగిని కాలానుగుణంగా రిఫ్రెష్ చేయాలి డటి అసలైనవి. కాబట్టి మీరు ఎప్పుడు రిఫ్రెష్ చేయాలి, ఎంత తరచుగా రిఫ్రెష్ చేయాలి మరియు డేటాను ఎలా రిఫ్రెష్ చేయాలి డటి. రిఫ్రెష్ చేయాలని సూచించారు డటి సిస్టమ్ని ఆఫ్లైన్లో తీసుకోవచ్చు. రిఫ్రెష్ ఫ్రీక్వెన్సీ వినియోగదారు అవసరాల ఆధారంగా అభివృద్ధి బృందంచే నిర్ణయించబడుతుంది. డేటా గిడ్డంగిని రిఫ్రెష్ చేయడానికి రెండు విధానాలు ఉన్నాయి: పూర్తి రిఫ్రెష్ మరియు మార్పుల నిరంతర లోడ్.
మొదటి విధానం, పూర్తి రిఫ్రెష్, అన్నింటినీ రీలోడ్ చేయడం అవసరం డటి మొదటి నుండి. దీని అర్థం అన్నీ డటి ప్రతి రిఫ్రెష్లో తప్పనిసరిగా సంగ్రహించబడాలి, శుభ్రపరచబడాలి, రూపాంతరం చెందాలి మరియు విలీనం చేయాలి. ఈ విధానాన్ని వీలైనంత వరకు నివారించాలి ఎందుకంటే దీనికి చాలా సమయం మరియు వనరులు అవసరం.
మార్పులను నిరంతరం అప్లోడ్ చేయడం ప్రత్యామ్నాయ విధానం. ఇది i జోడిస్తుంది డటి గత డేటా వేర్హౌస్ రిఫ్రెష్ సైకిల్ నుండి మార్చబడినవి. కొత్త లేదా సవరించిన రికార్డులను గుర్తించడం వలన మొత్తం గణనీయంగా తగ్గుతుంది డటి ఇవి మాత్రమే నుండి ప్రతి అప్డేట్లో డేటా వేర్హౌస్కు ప్రచారం చేయాలి డటి కు జోడించబడుతుంది డేటాబేస్ డేటా గిడ్డంగి యొక్క.
ఉపసంహరించుకోవడానికి కనీసం 5 విధానాలు ఉపయోగించబడతాయి డటి కొత్త లేదా సవరించిన. సమర్థవంతమైన డేటా రిఫ్రెష్ వ్యూహాన్ని పొందేందుకు డటి సిస్టమ్లోని అన్ని మార్పులను సంగ్రహించే ఈ విధానాల మిశ్రమం ఉపయోగకరంగా ఉంటుంది.
టైమ్స్టాంప్లను ఉపయోగించే మొదటి విధానం, అన్నీ కేటాయించబడిందని ఊహిస్తుంది డటి టైమ్స్టాంప్ సవరించబడింది మరియు నవీకరించబడింది కాబట్టి మీరు అన్నింటినీ సులభంగా గుర్తించవచ్చు డటి సవరించబడింది మరియు కొత్తది. అయితే, ఈ విధానం నేటి చాలా ఆపరేటింగ్ సిస్టమ్లలో విస్తృతంగా ఉపయోగించబడలేదు.
రెండవ విధానం ఏమిటంటే, చేసిన మార్పులను మాత్రమే కలిగి ఉన్న అప్లికేషన్ ద్వారా రూపొందించబడిన డెల్టా ఫైల్ను ఉపయోగించడం డటి. ఈ ఫైల్ని ఉపయోగించడం వలన నవీకరణ చక్రాన్ని కూడా పెంచుతుంది. అయితే, ఈ పద్ధతి కూడా చాలా అనువర్తనాల్లో ఉపయోగించబడలేదు.
మూడవ విధానం లాగ్ ఫైల్ను స్కాన్ చేయడం, ఇది ప్రాథమికంగా డెల్టా ఫైల్కు సమానమైన సమాచారాన్ని కలిగి ఉంటుంది. ఒకే తేడా ఏమిటంటే, రికవరీ ప్రాసెస్ కోసం లాగ్ ఫైల్ సృష్టించబడింది మరియు అర్థం చేసుకోవడం కష్టం.
నాల్గవ విధానం అప్లికేషన్ కోడ్ను సవరించడం. అయినప్పటికీ, చాలా అప్లికేషన్ కోడ్ పాతది మరియు పెళుసుగా ఉంటుంది; కాబట్టి ఈ సాంకేతికతను నివారించాలి.
చివరి విధానం పోల్చడం డటి ప్రధాన dei ఫైల్తో మూలాలు డటి.
డేటా గిడ్డంగి కార్యకలాపాల నియంత్రణ
డేటా వేర్హౌస్ వినియోగదారులకు విడుదల చేయబడిన తర్వాత, అది కాలక్రమేణా పర్యవేక్షించబడాలి. ఈ సందర్భంలో, డేటా వేర్హౌస్ అడ్మినిస్ట్రేటర్ డేటా వేర్హౌస్ వినియోగాన్ని పర్యవేక్షించడానికి ఒకటి లేదా అంతకంటే ఎక్కువ నిర్వహణ మరియు నియంత్రణ సాధనాలను ఉపయోగించవచ్చు. ప్రత్యేకించి, వ్యక్తులు మరియు వారు డేటా గిడ్డంగిని యాక్సెస్ చేసే సమయం గురించి సమాచారాన్ని సేకరించవచ్చు. రండి డటి సేకరించబడినది, ప్రదర్శించబడిన పని యొక్క ప్రొఫైల్ సృష్టించబడుతుంది, ఇది వినియోగదారు యొక్క ఛార్జ్బ్యాక్ అమలులో ఇన్పుట్గా ఉపయోగించబడుతుంది. డేటా వేర్హౌస్ ప్రాసెసింగ్ ధర గురించి వినియోగదారులకు తెలియజేయడానికి ఛార్జ్బ్యాక్ అనుమతిస్తుంది.
ఇంకా, డేటా వేర్హౌస్ ఆడిట్ ప్రశ్నల రకాలు, వాటి పరిమాణం, రోజుకు ప్రశ్నల సంఖ్య, ప్రశ్న ప్రతిచర్య సమయాలు, చేరుకున్న సెక్టార్లు మరియు మొత్తాన్ని గుర్తించడానికి కూడా ఉపయోగించవచ్చు. డటి ప్రాసెస్ చేయబడింది. డేటా వేర్హౌస్ ఆడిటింగ్ చేయడం యొక్క మరొక ఉద్దేశ్యం ఏమిటంటే దానిని గుర్తించడం డటి ఉపయోగంలో లేనివి. ఇవి డటి సమయాన్ని మెరుగుపరచడానికి వాటిని డేటా గిడ్డంగి నుండి తీసివేయవచ్చు
ప్రశ్న అమలు ప్రతిస్పందన మరియు వృద్ధిని పర్యవేక్షించడం డటి లోపల నివసిస్తారు డేటా బేస్ డేటా గిడ్డంగి యొక్క.
డేటా గిడ్డంగి భద్రతా నిర్వహణ
ఒక డేటా గిడ్డంగి కలిగి ఉంటుంది డటి ఇంటిగ్రేటెడ్, క్రిటికల్, సెన్సిటివ్, సులభంగా చేరుకోవచ్చు. ఈ కారణంగా ఇది అనధికార వినియోగదారుల నుండి రక్షించబడాలి. భద్రతను అమలు చేయడానికి ఒక మార్గం డెల్ ఫంక్షన్ను ఉపయోగించడం DBMS వివిధ రకాల వినియోగదారులకు వివిధ అధికారాలను కేటాయించడం. ఈ విధంగా, ప్రతి రకమైన వినియోగదారు కోసం యాక్సెస్ ప్రొఫైల్ తప్పనిసరిగా నిర్వహించబడాలి. డేటా గిడ్డంగిని భద్రపరచడానికి మరొక మార్గంలో వ్రాసిన విధంగా గుప్తీకరించడం డేటా బేస్ డేటా గిడ్డంగి యొక్క. యాక్సెస్ డటి మరియు తిరిగి పొందే సాధనాలు తప్పనిసరిగా డీక్రిప్ట్ చేయాలి డటి ఫలితాలను వినియోగదారులకు ప్రదర్శించే ముందు.
2.4.4 డేటా గిడ్డంగి విస్తరణ దశ
డేటా వేర్హౌస్ అమలు చక్రంలో ఇది చివరి దశ. డేటా గిడ్డంగిని ఉపయోగించడానికి వినియోగదారులకు శిక్షణ ఇవ్వడం మరియు డేటా గిడ్డంగి యొక్క సమీక్షలను నిర్వహించడం వంటివి ఈ దశలో నిర్వహించాల్సిన కార్యకలాపాలు.
వినియోగదారు శిక్షణ
యాక్సెస్ చేయడానికి ముందు యూజర్ ట్రైనింగ్ చేయాలి డటి డేటా గిడ్డంగి మరియు పునరుద్ధరణ సాధనాల ఉపయోగం. సాధారణంగా, సెషన్లు స్టోరేజీ భావనకు పరిచయంతో ప్రారంభం కావాలి డటి, డేటా గిడ్డంగి యొక్క కంటెంట్, మెటా డటి మరియు సాధనాల యొక్క ప్రాథమిక లక్షణాలు. అప్పుడు, మరింత ఆధునిక వినియోగదారులు డేటా యాక్సెస్ మరియు రిట్రీవల్ టూల్స్ యొక్క భౌతిక పట్టికలు మరియు వినియోగదారు లక్షణాలను కూడా అధ్యయనం చేయవచ్చు.
వినియోగదారు శిక్షణ చేయడానికి అనేక విధానాలు ఉన్నాయి. వీటిలో ఒకటి, వారి నాయకత్వం మరియు కమ్యూనికేషన్ నైపుణ్యాల ఆధారంగా వినియోగదారుల సమితి నుండి ఎంపిక చేయబడిన అనేక మంది వినియోగదారులు లేదా విశ్లేషకుల ఎంపికను కలిగి ఉంటుంది. సిస్టమ్తో పరిచయం పొందడానికి వారు తెలుసుకోవలసిన ప్రతిదానిపై వారు వ్యక్తిగతంగా శిక్షణ పొందుతారు. శిక్షణ పూర్తయిన తర్వాత, వారు తమ ఉద్యోగాలకు తిరిగి వెళ్లి, సిస్టమ్ను ఎలా ఉపయోగించాలో ఇతర వినియోగదారులకు బోధించడం ప్రారంభిస్తారు. న
వారు నేర్చుకున్న వాటి ఆధారంగా, ఇతర వినియోగదారులు డేటా గిడ్డంగిని అన్వేషించడం ప్రారంభించవచ్చు.
మీరు క్లాస్రూమ్ కోర్సు తీసుకుంటున్నట్లుగా ఒకే సమయంలో అనేక మంది వినియోగదారులకు శిక్షణ ఇవ్వడం మరొక విధానం. ఒకే సమయంలో శిక్షణ పొందవలసిన అనేక మంది వినియోగదారులు ఉన్నప్పుడు ఈ పద్ధతి అనుకూలంగా ఉంటుంది. ఇంకొక పద్ధతి ఏమిటంటే, ప్రతి వినియోగదారుని ఒక్కొక్కరికి ఒక్కొక్కరికి శిక్షణ ఇవ్వడం. తక్కువ మంది వినియోగదారులు ఉన్నప్పుడు ఈ పద్ధతి అనుకూలంగా ఉంటుంది.
యూజర్ ట్రైనింగ్ యొక్క ఉద్దేశ్యం యాక్సెస్ చేయడం గురించి మీకు పరిచయం చేయడం డటి మరియు రిట్రీవల్ టూల్స్ అలాగే డేటా వేర్హౌస్ కంటెంట్లు. అయినప్పటికీ, కొంతమంది వినియోగదారులు శిక్షణ సమయంలో అందించిన మొత్తం సమాచారాన్ని చూసి మునిగిపోవచ్చు. కాబట్టి, కొనసాగుతున్న సహాయం కోసం మరియు నిర్దిష్ట ప్రశ్నలకు సమాధానమివ్వడం కోసం నిర్దిష్ట సంఖ్యలో రిఫ్రెషర్ సెషన్లను తప్పనిసరిగా నిర్వహించాలి. కొన్ని సందర్భాల్లో ఈ రకమైన మద్దతును అందించడానికి వినియోగదారు సమూహం ఏర్పడుతుంది.
అభిప్రాయాన్ని సేకరిస్తోంది
డేటా గిడ్డంగిని రూపొందించిన తర్వాత, వినియోగదారులు iని ఉపయోగించవచ్చు డటి వివిధ ప్రయోజనాల కోసం డేటా వేర్హౌస్లో నివసిస్తుంది. ఎక్కువగా, విశ్లేషకులు లేదా వినియోగదారులు iని ఉపయోగిస్తారు డటి దీని కోసం డేటా గిడ్డంగిలో:
- 1 కంపెనీ ట్రెండ్లను గుర్తించండి
- 2 యొక్క కొనుగోలు ప్రొఫైల్లను విశ్లేషించండి వినియోగదారులు
- 3 విభజించు i వినియోగదారులు మరియు
- 4 ఉత్తమ సేవలను అందించండి వినియోగదారులు - సేవలను అనుకూలీకరించండి
- 5 వ్యూహాలను రూపొందించండి మార్కెటింగ్
- 6 ఖర్చు విశ్లేషణల కోసం పోటీ కోట్లను అందించండి మరియు నియంత్రణలో సహాయపడండి
- 7 వ్యూహాత్మక నిర్ణయం తీసుకోవడానికి మద్దతు ఇవ్వండి
- 8 ప్రత్యేకంగా నిలబడే అవకాశాలను గుర్తించండి
- 9 ప్రస్తుత వ్యాపార ప్రక్రియల నాణ్యతను మెరుగుపరచండి
- 10 లాభాన్ని తనిఖీ చేయండి
డేటా గిడ్డంగి అభివృద్ధి దిశను అనుసరించి, అభిప్రాయాన్ని పొందడానికి సిస్టమ్కు సమీక్షల శ్రేణిని నిర్వహించవచ్చు
అభివృద్ధి బృందం నుండి మరియు తుది వినియోగదారు సంఘం నుండి రెండూ.
పొందిన ఫలితాలను తదుపరి అభివృద్ధి చక్రం కోసం పరిగణనలోకి తీసుకోవచ్చు.
డేటా వేర్హౌస్ పెరుగుతున్న విధానాన్ని కలిగి ఉన్నందున, మునుపటి పరిణామాల విజయాలు మరియు తప్పుల నుండి నేర్చుకోవడం చాలా కీలకం.
2.5 సారాంశం
ఈ అధ్యాయంలో సాహిత్యంలో ఉన్న విధానాలు చర్చించబడ్డాయి. సెక్షన్ 1లో, డేటా గిడ్డంగి భావన మరియు నిర్ణయ శాస్త్రంలో దాని పాత్ర గురించి చర్చించబడింది. సెక్షన్ 2 డేటా గిడ్డంగులు మరియు OLTP వ్యవస్థల మధ్య ప్రధాన తేడాలను వివరించింది. సెక్షన్ 3లో మేము డేటా గిడ్డంగిని అభివృద్ధి చేసే ప్రక్రియలో పాల్గొన్న కార్యకలాపాలను వివరించడానికి సెక్షన్ 4లో ఉపయోగించిన మోనాష్ డేటా వేర్హౌస్ నమూనా గురించి చర్చించాము, ఈ థీసిస్లు కఠినమైన పరిశోధనపై ఆధారపడి లేవు. వాస్తవానికి ఏమి జరుగుతుందో సాహిత్యం నివేదించిన దానికంటే చాలా భిన్నంగా ఉంటుంది, అయితే ఈ పరిశోధన కోసం డేటా వేర్హౌస్ భావనను నొక్కి చెప్పే ప్రాథమిక నేపథ్యాన్ని రూపొందించడానికి ఈ ఫలితాలు ఉపయోగించబడతాయి.
3 వ అధ్యాయము
పరిశోధన మరియు డిజైన్ పద్ధతులు
ఈ అధ్యాయం ఈ అధ్యయనం కోసం పరిశోధన మరియు రూపకల్పన పద్ధతులను సూచిస్తుంది. మొదటి భాగం సమాచార పునరుద్ధరణ కోసం అందుబాటులో ఉన్న పరిశోధన పద్ధతుల యొక్క సాధారణ వీక్షణను చూపుతుంది, అంతేకాకుండా నిర్దిష్ట అధ్యయనం కోసం ఉత్తమ పద్ధతిని ఎంచుకోవడానికి ప్రమాణాలు చర్చించబడ్డాయి. విభాగం 2లో, ఇప్పుడే బహిర్గతం చేయబడిన ప్రమాణాలతో ఎంపిక చేయబడిన రెండు పద్ధతులు చర్చించబడ్డాయి; వీటిలో, సెక్షన్ 3లో పేర్కొన్న కారణాలతో ఒకటి ఎంపిక చేయబడుతుంది మరియు స్వీకరించబడుతుంది, ఇక్కడ ఇతర ప్రమాణాలను మినహాయించడానికి కారణాలు కూడా ఉన్నాయి. సెక్షన్ 4 పరిశోధన రూపకల్పన మరియు సెక్షన్ 5 ముగింపులను అందిస్తుంది.
3.1 సమాచార వ్యవస్థలలో పరిశోధన
సమాచార వ్యవస్థలలో పరిశోధన కేవలం సాంకేతిక డొమైన్కు మాత్రమే పరిమితం కాకుండా ప్రవర్తనా మరియు సంస్థాగత ప్రయోజనాలను చేర్చడానికి కూడా విస్తరించబడాలి.
మేము సామాజిక నుండి సహజ శాస్త్రాల వరకు వివిధ విభాగాల థీసిస్లకు రుణపడి ఉంటాము; ఇది సమాచార వ్యవస్థల కోసం ఉపయోగించాల్సిన పరిమాణాత్మక మరియు గుణాత్మక పద్ధతులతో కూడిన నిర్దిష్ట పరిశోధన పద్ధతుల అవసరానికి దారి తీస్తుంది.
అందుబాటులో ఉన్న అన్ని పరిశోధనా పద్ధతులు ముఖ్యమైనవి, నిజానికి జెంకిన్స్ (1985), నునామేకర్ మరియు ఇతరులు వంటి అనేక మంది పరిశోధకులు. (1991), మరియు Galliers (1992) సమాచార వ్యవస్థల యొక్క వివిధ రంగాలలో పరిశోధన నిర్వహించడానికి నిర్దిష్ట సార్వత్రిక పద్ధతి లేదని వాదించారు; నిజానికి ఒక పద్ధతి ఒక నిర్దిష్ట పరిశోధనకు అనుకూలంగా ఉండవచ్చు కానీ ఇతరులకు కాదు. ఇది మా నిర్దిష్ట పరిశోధన ప్రాజెక్ట్కు సరిపోయే పద్ధతిని ఎంచుకోవలసిన అవసరాన్ని మాకు తెస్తుంది: ఈ ఎంపిక కోసం Benbasat et al. (1987) పరిశోధన యొక్క స్వభావం మరియు ఉద్దేశ్యాన్ని తప్పనిసరిగా పరిగణించాలి.
3.1.1 పరిశోధన యొక్క స్వభావం
పరిశోధన యొక్క స్వభావం ఆధారంగా వివిధ పద్ధతులను సమాచార శాస్త్రంలో విస్తృతంగా తెలిసిన మూడు సంప్రదాయాలుగా వర్గీకరించవచ్చు: పాజిటివిస్ట్, వివరణాత్మక మరియు క్లిష్టమైన పరిశోధన.
3.1.1.1 పాజిటివిస్ట్ పరిశోధన
పాజిటివిస్ట్ పరిశోధనను శాస్త్రీయ లేదా అనుభావిక అధ్యయనం అని కూడా అంటారు. ఇది ఇలా కోరుతుంది: "సామాజిక ప్రపంచంలో జరిగే అంశాల మధ్య క్రమబద్ధత మరియు కారణ-ప్రభావ సంబంధాలను చూడటం ద్వారా దానిలో ఏమి జరుగుతుందో వివరించండి మరియు అంచనా వేయండి" (షాంక్స్ మరియు ఇతరులు 1993).
పాజిటివిస్ట్ పరిశోధన పునరావృతత, సరళీకరణలు మరియు తిరస్కరణల ద్వారా కూడా వర్గీకరించబడుతుంది. ఇంకా, పాజిటివిస్ట్ పరిశోధన అధ్యయనం చేసిన దృగ్విషయాల మధ్య ముందస్తు సంబంధాల ఉనికిని అంగీకరిస్తుంది.
Galliers (1992) ప్రకారం వర్గీకరణ అనేది పాజిటివిస్ట్ నమూనాలో చేర్చబడిన ఒక పరిశోధనా పద్ధతి, అయితే దీనికి పరిమితం కాదు, వాస్తవానికి ప్రయోగశాల ప్రయోగాలు, క్షేత్ర ప్రయోగాలు, కేస్ స్టడీస్, సిద్ధాంతాల ప్రదర్శనలు, అంచనాలు మరియు అనుకరణలు ఉన్నాయి. ఈ పద్ధతులను ఉపయోగించడం ద్వారా, అధ్యయనం చేసిన దృగ్విషయాలను నిష్పాక్షికంగా మరియు కఠినంగా గమనించవచ్చని పరిశోధకులు అంగీకరిస్తున్నారు.
3.1.1.2 వివరణాత్మక పరిశోధన
వివరణాత్మక పరిశోధన, దీనిని తరచుగా దృగ్విషయం లేదా యాంటీ-పాజిటివిజం అని పిలుస్తారు, దీనిని న్యూమాన్ (1994) "సహజ పరిస్థితులలో వ్యక్తులను ప్రత్యక్షంగా మరియు వివరణాత్మకంగా పరిశీలించడం ద్వారా, ఒక అవగాహనకు రావడానికి మరియు ప్రజలు తమ సామాజిక ప్రపంచాన్ని ఎలా సృష్టించుకుంటారు మరియు నిర్వహించుకుంటారు అనే వివరణకు”. వివరణాత్మక అధ్యయనాలు గమనించిన దృగ్విషయాలను నిష్పాక్షికంగా గమనించవచ్చు అనే ఊహను తిరస్కరించాయి. వాస్తవానికి అవి ఆత్మాశ్రయ వివరణలపై ఆధారపడి ఉంటాయి. ఇంకా, వివరణాత్మక పరిశోధకులు వారు అధ్యయనం చేసే దృగ్విషయాలపై ముందస్తు అర్థాలను విధించరు.
ఈ పద్ధతిలో ఆత్మాశ్రయ/వాదనాత్మక అధ్యయనాలు, చర్య పరిశోధన, వివరణాత్మక/వ్యాఖ్యానాత్మక అధ్యయనాలు, భవిష్యత్తు పరిశోధన మరియు రోల్-ప్లేయింగ్ ఉన్నాయి. ఈ సర్వేలు మరియు కేస్ స్టడీస్తో పాటు సంక్లిష్టమైన వాస్తవ-ప్రపంచ పరిస్థితులలో వ్యక్తులు లేదా సంస్థల అధ్యయనాలకు సంబంధించినవి కనుక ఈ విధానంలో చేర్చవచ్చు.
3.1.1.3 క్లిష్టమైన పరిశోధన
క్రిటికల్ ఎంక్వయిరీ అనేది సాంఘిక శాస్త్రాలలో అతి తక్కువగా తెలిసిన విధానం కానీ ఇటీవల సమాచార వ్యవస్థల పరిశోధకుల నుండి దృష్టిని ఆకర్షించింది. సామాజిక వాస్తవికత చారిత్రాత్మకంగా ప్రజలు, అలాగే సామాజిక వ్యవస్థలు వారి చర్యలు మరియు పరస్పర చర్యల ద్వారా ఉత్పత్తి చేయబడి మరియు పునరుత్పత్తి చేయబడుతుందనే తాత్విక ఊహ. అయినప్పటికీ, వారి సామర్థ్యం అనేక సామాజిక, సాంస్కృతిక మరియు రాజకీయ పరిగణనల ద్వారా మధ్యవర్తిత్వం చేయబడింది.
ఇంటర్ప్రెటివ్ రీసెర్చ్ లాగా, క్రిటికల్ రీసెర్చ్ పాజిటివిస్ట్ రీసెర్చ్కు సామాజిక సందర్భంతో సంబంధం లేదని మరియు మానవ చర్యలపై దాని ప్రభావాన్ని విస్మరిస్తుంది.
విమర్శనాత్మక పరిశోధన, మరోవైపు, వివరణాత్మక పరిశోధన చాలా ఆత్మాశ్రయమైనది మరియు వారి జీవితాలను మెరుగుపరచడంలో వ్యక్తులకు సహాయపడటం లక్ష్యంగా లేదు అని విమర్శిస్తుంది. క్లిష్టమైన పరిశోధన మరియు ఇతర రెండు విధానాల మధ్య అతిపెద్ద వ్యత్యాసం దాని మూల్యాంకన పరిమాణం. పాజిటివిస్ట్ మరియు వివరణాత్మక సంప్రదాయాల యొక్క నిష్పాక్షికత యథాతథ స్థితి లేదా సామాజిక వాస్తవికతను అంచనా వేయడం లేదా వివరించడం అయితే, క్లిష్టమైన పరిశోధన అధ్యయనంలో ఉన్న సామాజిక వాస్తవికతను విమర్శనాత్మకంగా మూల్యాంకనం చేయడం మరియు మార్చడం లక్ష్యంగా పెట్టుకుంది.
విమర్శనాత్మక పరిశోధకులు సాధారణంగా సామాజిక వ్యత్యాసాలను తొలగించడానికి మరియు సామాజిక పరిస్థితులను మెరుగుపరచడానికి యథాతథ స్థితిని వ్యతిరేకిస్తారు. విమర్శనాత్మక పరిశోధన ఆసక్తి యొక్క దృగ్విషయం యొక్క ప్రక్రియ వీక్షణకు నిబద్ధతను కలిగి ఉంటుంది మరియు అందువలన, సాధారణంగా రేఖాంశంగా ఉంటుంది. పరిశోధన పద్ధతులకు ఉదాహరణలు దీర్ఘకాలిక చారిత్రక అధ్యయనాలు మరియు ఎథ్నోగ్రాఫిక్ అధ్యయనాలు. అయితే క్లిష్టమైన పరిశోధన, సమాచార వ్యవస్థల పరిశోధనలో విస్తృతంగా ఉపయోగించబడలేదు
3.1.2 పరిశోధన యొక్క ఉద్దేశ్యం
పరిశోధన యొక్క స్వభావంతో పాటు, నిర్దిష్ట పరిశోధనా పద్ధతిని ఎంచుకోవడంలో పరిశోధకుడికి మార్గనిర్దేశం చేసేందుకు దాని ప్రయోజనం ఉపయోగపడుతుంది. పరిశోధనా ప్రాజెక్ట్ యొక్క ఉద్దేశ్యం పరిశోధనా చక్రానికి సంబంధించి పరిశోధన యొక్క స్థితికి దగ్గరి సంబంధం కలిగి ఉంటుంది, ఇందులో మూడు దశలు ఉంటాయి: థియరీ బిల్డింగ్, థియరీ టెస్టింగ్ మరియు థియరీ రిఫైన్మెంట్. అందువలన, పరిశోధన చక్రం యొక్క సమయం ఆధారంగా, ఒక పరిశోధన ప్రాజెక్ట్ వివరణాత్మక, వివరణాత్మక, అన్వేషణాత్మక లేదా అంచనా ప్రయోజనాన్ని కలిగి ఉంటుంది.
3.1.2.1 అన్వేషణ పరిశోధన
అన్వేషణాత్మక పరిశోధన పూర్తిగా కొత్త అంశాన్ని పరిశోధించడం మరియు భవిష్యత్తు పరిశోధన కోసం ప్రశ్నలు మరియు పరికల్పనలను రూపొందించడం లక్ష్యంగా పెట్టుకుంది. ఈ రకమైన పరిశోధన కొత్త ప్రాంతంలో ప్రారంభ సూచనలను పొందేందుకు థియరీ బిల్డింగ్లో ఉపయోగించబడుతుంది. సాధారణంగా, కేస్ స్టడీస్ లేదా దృగ్విషయ అధ్యయనాలు వంటి గుణాత్మక పరిశోధన పద్ధతులు ఉపయోగించబడతాయి.
అయినప్పటికీ, అన్వేషణాత్మక సర్వేలు లేదా ప్రయోగాలు వంటి పరిమాణాత్మక పద్ధతులను ఉపయోగించడం కూడా సాధ్యమే.
3.1.3.3 వివరణాత్మక పరిశోధన
వివరణాత్మక పరిశోధన ఒక నిర్దిష్ట సంస్థాగత పరిస్థితి లేదా అభ్యాసాన్ని చాలా వివరంగా విశ్లేషించడం మరియు వివరించడం లక్ష్యంగా పెట్టుకుంది. ఇది సిద్ధాంతాలను రూపొందించడానికి తగినది మరియు పరికల్పనలను నిర్ధారించడానికి లేదా సవాలు చేయడానికి కూడా ఉపయోగించవచ్చు. వివరణాత్మక పరిశోధన సాధారణంగా కొలతలు మరియు నమూనాల వినియోగాన్ని కలిగి ఉంటుంది. అత్యంత అనుకూలమైన పరిశోధనా పద్ధతులలో సర్వేలు మరియు పూర్వాపరాల విశ్లేషణ ఉన్నాయి.
3.1.2.3 వివరణాత్మక పరిశోధన
విషయాలు ఎందుకు జరుగుతాయో వివరించడానికి వివరణాత్మక పరిశోధన ప్రయత్నిస్తుంది. ఇది ఇప్పటికే అధ్యయనం చేయబడిన వాస్తవాలపై నిర్మించబడింది మరియు ఈ వాస్తవాలకు కారణాలను కనుగొనడానికి ప్రయత్నిస్తుంది.
అందువల్ల వివరణాత్మక పరిశోధన సాధారణంగా అన్వేషణాత్మక లేదా వివరణాత్మక పరిశోధనపై నిర్మించబడింది మరియు సిద్ధాంతాలను పరీక్షించడానికి మరియు శుద్ధి చేయడానికి అనుబంధంగా ఉంటుంది. వివరణాత్మక పరిశోధన సాధారణంగా కేస్ స్టడీస్ లేదా సర్వే-ఆధారిత పరిశోధన పద్ధతులను ఉపయోగిస్తుంది.
3.1.2.4 నివారణ పరిశోధన
ప్రివెంటివ్ రీసెర్చ్ అధ్యయనం చేయబడుతున్న పరిశీలనలో సంఘటనలు మరియు ప్రవర్తనలను అంచనా వేయడం లక్ష్యంగా పెట్టుకుంది (మార్షల్ మరియు రోస్మాన్ 1995). అంచనా అనేది సత్యం యొక్క ప్రామాణిక శాస్త్రీయ పరీక్ష. ఈ రకమైన పరిశోధన సాధారణంగా సర్వేలు లేదా విశ్లేషణలను ఉపయోగిస్తుంది డటి చరిత్రకారులు. (యిన్ 1989)
ఒక నిర్దిష్ట అధ్యయనంలో ఉపయోగించగల అనేక పరిశోధనా పద్ధతులు ఉన్నాయని పై చర్చ నిరూపిస్తుంది. అయితే, ఒక నిర్దిష్ట రకం పరిశోధన ప్రాజెక్ట్ కోసం ఇతర వాటి కంటే మరింత అనుకూలంగా ఉండే ఒక నిర్దిష్ట పద్ధతి తప్పనిసరిగా ఉండాలి. (గల్లీర్స్ 1987, యిన్ 1989, డి వాస్ 1991). ప్రతి పరిశోధకుడు, పరిశోధన ప్రాజెక్ట్తో అత్యంత అనుకూలమైన మరియు అనుకూలమైన పరిశోధనా పద్ధతిని అవలంబించడానికి, వివిధ పద్ధతుల యొక్క బలాలు మరియు బలహీనతలను జాగ్రత్తగా విశ్లేషించాలి. (జెంకిన్స్ 1985, పెర్వాన్ మరియు క్లాస్ 1992, బోనోమియా 1985, యిన్ 1989, హిమిల్టన్ మరియు ఇవ్స్ 1992).
3.2 సాధ్యమైన పరిశోధన పద్ధతులు
ఈ ప్రాజెక్ట్ యొక్క లక్ష్యం ఐతో ఆస్ట్రేలియన్ సంస్థలలో అనుభవాన్ని అధ్యయనం చేయడం డటి యొక్క అభివృద్ధితో నిల్వ చేయబడుతుంది డేటా గిడ్డంగి. తేదీ ప్రస్తుతం, ఆస్ట్రేలియాలో డేటా వేర్హౌసింగ్లో పరిశోధన లేకపోవడంతో, ఈ పరిశోధన ప్రాజెక్ట్ ఇప్పటికీ పరిశోధనా చక్రం యొక్క సైద్ధాంతిక దశలో ఉంది మరియు అన్వేషణాత్మక ప్రయోజనాన్ని కలిగి ఉంది. డేటా వేర్హౌసింగ్ను స్వీకరించే ఆస్ట్రేలియన్ సంస్థలలో అనుభవాన్ని అన్వేషించడానికి నిజమైన సమాజం యొక్క వివరణ అవసరం. పర్యవసానంగా, పరిశోధన ప్రాజెక్ట్ అంతర్లీనంగా ఉన్న తాత్విక ఊహ సంప్రదాయ వివరణను అనుసరిస్తుంది.
అందుబాటులో ఉన్న పద్ధతుల యొక్క కఠినమైన పరిశీలన తర్వాత, రెండు సాధ్యమైన పరిశోధన పద్ధతులు గుర్తించబడ్డాయి: సర్వేలు మరియు కేస్ స్టడీస్, వీటిని అన్వేషణాత్మక పరిశోధన కోసం ఉపయోగించవచ్చు (షాంక్స్ మరియు ఇతరులు. 1993). గల్లియర్స్ (1992) తన సవరించిన వర్గీకరణలో ఈ ప్రత్యేక అధ్యయనానికి ఈ రెండు పద్ధతుల అనుకూలత కోసం వాదించాడు, అవి సిద్ధాంత నిర్మాణానికి తగినవి అని చెప్పాడు. కింది రెండు ఉపవిభాగాలు ప్రతి పద్ధతిని వివరంగా చర్చిస్తాయి.
3.2.1 సర్వే పరిశోధన పద్ధతి
సర్వే పరిశోధన పద్ధతి పురాతన జనాభా గణన పద్ధతి నుండి వచ్చింది. జనాభా గణన అనేది మొత్తం జనాభా నుండి సమాచారాన్ని సేకరించడం. ఈ పద్ధతి ఖరీదైనది మరియు అసాధ్యమైనది, ముఖ్యంగా జనాభా ఎక్కువగా ఉంటే. అందువల్ల, జనాభా గణనతో పోలిస్తే, ఒక సర్వే సాధారణంగా జనాభా ప్రతినిధుల (ఫౌలర్ 1988, న్యూమాన్ 1994) యొక్క చిన్న సంఖ్య లేదా నమూనా కోసం సమాచారాన్ని సేకరించడంపై దృష్టి పెడుతుంది. ఉపయోగించిన నమూనా నిర్మాణం, పరిమాణం మరియు ఎంపిక పద్ధతిపై ఆధారపడి, వివిధ స్థాయిల ఖచ్చితత్వంతో ఒక నమూనా అది డ్రా చేయబడిన జనాభాను ప్రతిబింబిస్తుంది (Fowler 1988, Babbie 1982, Neuman 1994).
సర్వే పద్ధతిని "ఒక నిర్దిష్ట సమయంలో అభ్యాసాలు, పరిస్థితులు లేదా వీక్షణల స్నాప్షాట్లుగా నిర్వచించారు, ప్రశ్నాపత్రాలు లేదా ఇంటర్వ్యూలను ఉపయోగించి చేపట్టారు, వీటి నుండి అనుమానాలు ఉండవచ్చు.
తయారు చేయబడింది” (Galliers 1992:153) [ప్రత్యేక సమయంలో అభ్యాసాలు, పరిస్థితులు లేదా వీక్షణల స్నాప్షాట్, ప్రశ్నాపత్రాలు లేదా ఇంటర్వ్యూలను ఉపయోగించి చేపట్టబడింది, దీని నుండి అనుమానాలు చేయవచ్చు]. నిర్దిష్ట సంఖ్యలో పాల్గొనేవారి నుండి, ప్రశ్నలను అడగడం ద్వారా అధ్యయనంలోని కొన్ని అంశాల గురించి సమాచారాన్ని సేకరించడం ద్వారా సర్వేలు వ్యవహరిస్తాయి (ఫౌలర్ 1988). ఈ ప్రశ్నాపత్రాలు మరియు ఇంటర్వ్యూలు, వీటిలో ముఖాముఖి టెలిఫోన్ ఇంటర్వ్యూలు మరియు నిర్మాణాత్మకమైనవి ఉన్నాయి, ఇవి కూడా సేకరణ పద్ధతులు డటి పరిశోధనలలో సర్వసాధారణంగా పని చేస్తారు (బ్లాక్ 1970, నాచ్మియాస్ మరియు నాచ్మియాస్ 1976, ఫౌలర్ 1988), పరిశీలనలు మరియు విశ్లేషణలను ఉపయోగించవచ్చు (గేబుల్ 1994). సేకరించే ఈ పద్ధతులన్నింటిలో డటి, ప్రశ్నాపత్రం యొక్క ఉపయోగం అత్యంత ప్రజాదరణ పొందిన సాంకేతికత, ఇది నేను నిర్ధారిస్తుంది డటి
సేకరించినవి నిర్మాణాత్మకంగా మరియు ఫార్మాట్ చేయబడ్డాయి మరియు అందువల్ల సమాచారం యొక్క వర్గీకరణను సులభతరం చేస్తుంది (హ్వాంగ్ 1987, డి వాస్ 1991).
విశ్లేషించేటప్పుడు i డటి, ఒక పరిశోధనా వ్యూహం తరచుగా గణాంక విశ్లేషణ వంటి పరిమాణాత్మక పద్ధతులను ఉపయోగిస్తుంది, అయితే గుణాత్మక పద్ధతులు కూడా ఉపయోగించబడతాయి (గల్లీర్స్ 1992, పెర్వాన్
మరియు క్లాస్ 1992, గేబుల్ 1994). సాధారణంగా, i డటి సంఘాల పంపిణీలు మరియు నమూనాలను విశ్లేషించడానికి సేకరించినవి ఉపయోగించబడతాయి (ఫౌలర్ 1988).
సర్వేలు సాధారణంగా 'ఏమిటి?' అనే ప్రశ్నకు సంబంధించిన పరిశోధనలకు తగినవి అయినప్పటికీ. (ఏమిటి) లేదా 'ఎంత' మరియు 'ఎంత' వంటి వాటి నుండి ఉత్పన్నమైన వాటిని 'ఎందుకు' అనే ప్రశ్న ద్వారా అడగవచ్చు (సోన్క్విస్ట్ మరియు డంకెల్బర్గ్ 1977, యిన్ 1989). సోన్క్విస్ట్ మరియు డంకెల్బర్గ్ (1977) ప్రకారం, విచారణ పరిశోధన పరికల్పనలను సవాలు చేయడం, ప్రోగ్రామ్లను మూల్యాంకనం చేయడం, జనాభాను వివరించడం మరియు మానవ ప్రవర్తన యొక్క నమూనాలను అభివృద్ధి చేయడం లక్ష్యంగా పెట్టుకుంది. ఇంకా, నిర్దిష్ట జనాభా అభిప్రాయం, పరిస్థితులు, అభిప్రాయాలు, లక్షణాలు, అంచనాలు మరియు గత లేదా ప్రస్తుత ప్రవర్తనలను కూడా అధ్యయనం చేయడానికి సర్వేలను ఉపయోగించవచ్చు (Neuman 1994).
సర్వేలు పరిశోధకుడికి జనాభా మధ్య సంబంధాలను కనుగొనటానికి అనుమతిస్తాయి మరియు ఫలితాలు సాధారణంగా ఇతర పద్ధతుల కంటే చాలా సాధారణమైనవి (సోన్క్విస్ట్ మరియు డంకెల్బర్గ్ 1977, గేబుల్ 1994). సర్వేలు పరిశోధకులు పెద్ద భౌగోళిక ప్రాంతాన్ని కవర్ చేయడానికి మరియు చాలా మంది ప్రతివాదులను చేరుకోవడానికి అనుమతిస్తాయి (బ్లాక్ 1970, సోన్క్విస్ట్ మరియు డంకెల్బర్గ్ 1977, హ్వాంగ్ మరియు లిన్ 1987, గేబుల్ 1994, న్యూమాన్ 1994). చివరగా, సర్వేలు మరెక్కడా అందుబాటులో లేని సమాచారాన్ని లేదా విశ్లేషణలకు అవసరమైన రూపంలో అందించగలవు (ఫౌలర్ 1988).
అయితే, సర్వే నిర్వహించడంలో కొన్ని పరిమితులు ఉన్నాయి. ఒక ప్రతికూలత ఏమిటంటే, పరిశోధకుడు అధ్యయనం చేసిన వస్తువు గురించి ఎక్కువ సమాచారాన్ని పొందలేడు. సర్వేలు ఒక నిర్దిష్ట సమయంలో మాత్రమే నిర్వహించబడతాయి మరియు అందువల్ల పరిశోధకుడు చేయగల పరిమిత సంఖ్యలో వేరియబుల్స్ మరియు వ్యక్తులు ఉండటం దీనికి కారణం.
అధ్యయనం (Yin 1989, de Vaus 1991, Gable 1994, Denscombe 1998). మరొక ప్రతికూలత ఏమిటంటే, సర్వేను నిర్వహించడం సమయం మరియు వనరుల పరంగా చాలా ఖర్చుతో కూడుకున్నది, ప్రత్యేకించి అది ముఖాముఖి ఇంటర్వ్యూలను కలిగి ఉంటే (ఫౌలర్ 1988).
3.2.2 విచారణ పరిశోధన పద్ధతి
విచారణ పరిశోధన పద్ధతిలో పరిశోధకుడి నుండి ఎటువంటి ప్రమేయం లేకుండా, నిర్దిష్ట కాలవ్యవధిలో దాని వాస్తవ-ప్రపంచ సందర్భంలో ఒక నిర్దిష్ట పరిస్థితిని లోతుగా అధ్యయనం చేస్తుంది (Shanks & C. 1993, Eisenhardt 1989, Jenkins 1985). ప్రధానంగా ఈ పద్ధతి ఒక నిర్దిష్ట పరిస్థితిలో అధ్యయనం చేయబడే వేరియబుల్స్ మధ్య సంబంధాలను వివరించడానికి ఉపయోగించబడుతుంది (Galliers 1992). విశ్లేషించబడిన దృగ్విషయాన్ని బట్టి పరిశోధనలు ఒకే లేదా బహుళ కేసులను కలిగి ఉంటాయి (ఫ్రాంజ్ మరియు రోబీ 1987, ఐసెన్హార్డ్ట్ 1989, యిన్ 1989).
విచారణ పరిశోధన పద్ధతి "వ్యక్తులు, సమూహాలు లేదా సంస్థలు వంటి ఒకటి లేదా అంతకంటే ఎక్కువ సంస్థల నుండి సేకరించిన బహుళ మూలాలను ఉపయోగించి, దాని వాస్తవ సందర్భంలో సమకాలీన దృగ్విషయాన్ని అధ్యయనం చేసే అనుభావిక విచారణ" అని నిర్వచించబడింది (Yin 1989). దృగ్విషయం మరియు దాని సందర్భం మధ్య స్పష్టమైన విభజన లేదు మరియు వేరియబుల్స్ యొక్క ప్రయోగాత్మక నియంత్రణ లేదా తారుమారు లేదు (Yin 1989, Benbasat et al. 1987).
సేకరించడానికి వివిధ పద్ధతులు ఉన్నాయి డటి ప్రత్యక్ష పరిశీలనలు, ఆర్కైవల్ రికార్డుల సమీక్షలు, ప్రశ్నాపత్రాలు, డాక్యుమెంటేషన్ సమీక్ష మరియు నిర్మాణాత్మక ఇంటర్వ్యూలను కలిగి ఉండే విచారణ పద్ధతిలో ఉపయోగించుకోవచ్చు. వైవిధ్యమైన పంటకోత పద్ధతులను కలిగి ఉండటం డటి, పరిశోధనలు రెండింటినీ ఎదుర్కోవటానికి పరిశోధకులను అనుమతిస్తాయి డటి అదే సమయంలో గుణాత్మక మరియు పరిమాణాత్మక (బోనోమా 1985, ఐసెన్హార్డ్ట్ 1989, యిన్ 1989, గేబుల్ 1994). సర్వే పద్ధతిలో ఉన్నట్లుగా, సర్వే పరిశోధకుడు పరిశీలకుడిగా లేదా పరిశోధకుడిగా పనిచేస్తాడు మరియు అధ్యయనంలో ఉన్న సంస్థలో చురుకుగా పాల్గొనేవాడు కాదు.
Benbasat et al. (1987) పరిశోధన పద్ధతి పరిశోధనా సిద్ధాంతాన్ని రూపొందించడానికి ప్రత్యేకంగా సరిపోతుందని, ఇది పరిశోధన ప్రశ్నతో ప్రారంభమై విద్యతో కొనసాగుతుందని నొక్కి చెప్పారు.
సేకరించే ప్రక్రియలో ఒక సిద్ధాంతం డటి. స్టేజీకి కూడా అనుకూలంగా ఉండటం
థియరీ బిల్డింగ్, ఫ్రాంజ్ మరియు రోబీ (1987) సంక్లిష్ట సిద్ధాంత దశకు కూడా విచారణ పద్ధతిని ఉపయోగించవచ్చని సూచించారు. ఈ సందర్భంలో, సేకరించిన సాక్ష్యం ఆధారంగా, ఇచ్చిన సిద్ధాంతం లేదా పరికల్పన ధృవీకరించబడుతుంది లేదా తిరస్కరించబడుతుంది. అదనంగా, సర్వే 'ఎలా' లేదా 'ఎందుకు' ప్రశ్నలతో వ్యవహరించే పరిశోధనకు కూడా అనుకూలంగా ఉంటుంది (యిన్ 1989).
ఇతర పద్ధతులతో పోలిస్తే, సర్వేలు పరిశోధకుడికి అవసరమైన సమాచారాన్ని మరింత వివరంగా సంగ్రహించడానికి అనుమతిస్తాయి (Galliers 1992, Shanks et al. 1993). ఇంకా, సర్వేలు అధ్యయనం చేసిన ప్రక్రియల స్వభావం మరియు సంక్లిష్టతను అర్థం చేసుకోవడానికి పరిశోధకుడికి అనుమతిస్తాయి (బెన్బాసట్ మరియు ఇతరులు. 1987).
సర్వే పద్ధతిలో నాలుగు ప్రధాన ప్రతికూలతలు ఉన్నాయి. మొదటిది నియంత్రిత తగ్గింపులు లేకపోవడం. పరిశోధకుడి ఆత్మాశ్రయత అధ్యయనం యొక్క ఫలితాలు మరియు ముగింపులను మార్చగలదు (Yin 1989). రెండవ ప్రతికూలత నియంత్రిత పరిశీలన లేకపోవడం. ప్రయోగాత్మక పద్ధతుల వలె కాకుండా, విచారణ పరిశోధకుడు అధ్యయనం చేసిన దృగ్విషయాలను వాటి సహజ సందర్భంలో పరిశీలించినందున వాటిని నియంత్రించలేరు (గేబుల్ 1994). మూడవ ప్రతికూలత ప్రతిరూపం లేకపోవడం. ఎందుకంటే పరిశోధకుడు అదే సంఘటనలను గమనించే అవకాశం లేదు మరియు నిర్దిష్ట అధ్యయనం యొక్క ఫలితాలను ధృవీకరించలేరు (లీ 1989). చివరగా, నాన్-రెప్లికేబిలిటీ యొక్క పర్యవసానంగా, ఒకటి లేదా అంతకంటే ఎక్కువ పరిశోధనల నుండి పొందిన ఫలితాలను సాధారణీకరించడం కష్టం (Galliers 1992, Shanks et al 1993). అయితే, ఈ సమస్యలన్నీ అధిగమించలేనివి కావు మరియు వాస్తవానికి, తగిన చర్యలను వర్తింపజేయడం ద్వారా పరిశోధకుడు తగ్గించవచ్చు (లీ 1989).
3.3 పరిశోధన పద్ధతిని సమర్థించండి దత్తత తీసుకున్నారు
ఈ అధ్యయనం కోసం సాధ్యమయ్యే రెండు పరిశోధన పద్ధతుల నుండి, సర్వే పద్ధతి అత్యంత అనుకూలమైనదిగా పరిగణించబడుతుంది. సంబంధిత వాటిని జాగ్రత్తగా పరిశీలించిన తర్వాత విచారణ విస్మరించబడింది
యోగ్యతలు మరియు బలహీనతలు. ఈ అధ్యయనం కోసం ప్రతి పద్ధతి యొక్క సముచితత లేదా అనుచితత క్రింద చర్చించబడింది.
3.3.1 పరిశోధన పద్ధతి యొక్క అసంబద్ధత విచారణ యొక్క
విచారణ పద్ధతికి కొంత వ్యవధిలో ఒకటి లేదా అంతకంటే ఎక్కువ సంస్థలలో ఒక నిర్దిష్ట పరిస్థితి గురించి లోతైన అధ్యయనం అవసరం (Eisenhardt 1989). ఈ సందర్భంలో, వ్యవధి ఈ అధ్యయనానికి ఇచ్చిన కాలపరిమితిని మించి ఉండవచ్చు. సర్వే పద్ధతిని అవలంబించకపోవడానికి మరొక కారణం ఏమిటంటే, ఫలితాలు కఠినంగా లేకపోవడం (Yin 1989). పరిశోధకుడి ఆత్మాశ్రయత ఫలితాలు మరియు ముగింపులను ప్రభావితం చేస్తుంది. మరొక కారణం ఏమిటంటే, ఈ పద్ధతి 'ఎలా' లేదా 'ఎందుకు' రకం ప్రశ్నలపై పరిశోధనకు మరింత అనుకూలంగా ఉంటుంది (యిన్ 1989), అయితే ఈ అధ్యయనం కోసం పరిశోధన ప్రశ్న 'ఏది' రకం. చివరిది కానీ, కేవలం ఒకటి లేదా కొన్ని పరిశోధనల నుండి కనుగొన్న వాటిని సాధారణీకరించడం కష్టం (Galliers 1992, Shanks et al. 1993). ఈ హేతుబద్ధత ఆధారంగా, సర్వే పరిశోధన పద్ధతి ఈ అధ్యయనానికి తగనిది కనుక ఎంపిక చేయబడలేదు.
3.3.2 యొక్క శోధన పద్ధతి యొక్క సౌలభ్యం విచారణ
ఈ పరిశోధన నిర్వహించబడినప్పుడు, ఆస్ట్రేలియన్ సంస్థలు డేటా వేర్హౌసింగ్ యొక్క అభ్యాసాన్ని విస్తృతంగా స్వీకరించలేదు. కాబట్టి, ఆస్ట్రేలియన్ సంస్థలలో వాటి అమలుకు సంబంధించి ఎక్కువ సమాచారం లేదు. అందుబాటులో ఉన్న సమాచారం అమలు చేసిన లేదా ఉపయోగించిన సంస్థల నుండి వచ్చింది డేటా గిడ్డంగి. ఈ సందర్భంలో, సర్వే పరిశోధన పద్ధతి చాలా సరిఅయినది ఎందుకంటే ఇది మరెక్కడా అందుబాటులో లేని లేదా విశ్లేషణకు అవసరమైన రూపంలో సమాచారాన్ని పొందేందుకు అనుమతిస్తుంది (ఫౌలర్ 1988). అదనంగా, సర్వే రీసెర్చ్ పద్ధతి పరిశోధకుడు ఒక నిర్దిష్ట సమయంలో అభ్యాసాలు, పరిస్థితులు లేదా వీక్షణలపై మంచి అంతర్దృష్టిని పొందేందుకు అనుమతిస్తుంది (Galliers 1992, Denscombe 1998). ఆస్ట్రేలియన్ డేటా వేర్హౌసింగ్ అనుభవం గురించి జ్ఞానాన్ని పెంచుకోవడానికి అవలోకనం అవసరం.
ఇంకా, సోన్క్విస్ట్ మరియు డంకెల్బర్గ్ (1977) ప్రకారం సర్వే పరిశోధన ఫలితాలు ఇతర పద్ధతుల కంటే చాలా సాధారణమైనవి.
3.4 సర్వే రీసెర్చ్ డిజైన్
డేటా వేర్హౌసింగ్ పద్ధతులపై సర్వే 1999లో నిర్వహించబడింది. డేటా వేర్హౌసింగ్ అధ్యయనాలపై ఆసక్తి ఉన్న ఆస్ట్రేలియన్ సంస్థలచే లక్ష్య జనాభాను రూపొందించారు, ఎందుకంటే వారికి బహుశా ఇప్పటికే సమాచారం అందించబడింది డటి అవి భద్రపరుస్తాయి మరియు అందువల్ల, ఈ అధ్యయనానికి ఉపయోగకరమైన సమాచారాన్ని అందించగలవు. ది డేటా వేర్హౌసింగ్ ఇన్స్టిట్యూట్ (Tdwi-aap)లోని ఆస్ట్రేలియన్ సభ్యులందరి ప్రాథమిక సర్వే ద్వారా లక్ష్య జనాభా గుర్తించబడింది. ఈ విభాగం ఈ అధ్యయనం యొక్క అనుభావిక పరిశోధన దశ రూపకల్పనను చర్చిస్తుంది.
3.4.1 హార్వెస్టింగ్ టెక్నిక్ డటి
సర్వే పరిశోధనలో సాధారణంగా ఉపయోగించే మూడు పద్ధతుల నుండి (అంటే మెయిల్ ప్రశ్నాపత్రం, టెలిఫోన్ ఇంటర్వ్యూ మరియు వ్యక్తిగత ఇంటర్వ్యూ) (నాచ్మియాస్ 1976, ఫౌలర్ 1988, డి వాస్ 1991), ఈ అధ్యయనం కోసం మెయిల్ ప్రశ్నాపత్రం స్వీకరించబడింది. రెండోదాన్ని స్వీకరించడానికి మొదటి కారణం ఏమిటంటే అది భౌగోళికంగా చెదరగొట్టబడిన జనాభాను చేరుకోగలదు (బ్లాక్ 1970, నాచ్మియాస్ మరియు నాచ్మియాస్ 1976, హ్వాంగ్ మరియు లిన్ 1987, డి వాస్ 1991, గేబుల్ 1994). రెండవది, మెయిల్ ప్రశ్నాపత్రం ఉన్నత విద్యావంతులైన పాల్గొనేవారికి అనుకూలంగా ఉంటుంది (ఫౌలర్ 1988). ఈ అధ్యయనం కోసం మెయిల్ ప్రశ్నాపత్రం డేటా వేర్హౌసింగ్ ప్రాజెక్ట్ స్పాన్సర్లు, డైరెక్టర్లు మరియు/లేదా ప్రాజెక్ట్ మేనేజర్లకు ఉద్దేశించబడింది. మూడవది, సురక్షిత మెయిలింగ్ జాబితా అందుబాటులో ఉన్నప్పుడు మెయిల్ ప్రశ్నాపత్రాలు అనుకూలంగా ఉంటాయి (Salant మరియు Dilman 1994). TDWI, ఈ సందర్భంలో, విశ్వసనీయ డేటా వేర్హౌసింగ్ అసోసియేషన్ దాని ఆస్ట్రేలియన్ సభ్యుల మెయిలింగ్ జాబితాను అందించింది. టెలిఫోన్ ప్రశ్నాపత్రం లేదా వ్యక్తిగత ఇంటర్వ్యూలలో మెయిల్ ప్రశ్నాపత్రం యొక్క మరొక ప్రయోజనం ఏమిటంటే, ప్రతివాదులు మరింత ఖచ్చితంగా ప్రతిస్పందించడానికి అనుమతిస్తుంది, ప్రత్యేకించి ప్రతివాదులు తప్పనిసరిగా గమనికలను సంప్రదించాలి లేదా ఇతర వ్యక్తులతో ప్రశ్నలను చర్చించాలి (ఫౌలర్ 1988).
మెయిల్ ద్వారా ప్రశ్నాపత్రాలను నిర్వహించడానికి అవసరమైన సమయం ఒక సంభావ్య ప్రతికూలత కావచ్చు. సాధారణంగా, ఈ క్రమంలో మెయిల్ సర్వే నిర్వహించబడుతుంది: మెయిల్ లెటర్లు, ప్రతిస్పందనల కోసం వేచి ఉండండి మరియు నిర్ధారణను పంపండి (ఫౌలర్ 1988, బైన్బ్రిడ్జ్ 1989). అందువల్ల, వ్యక్తిగత ఇంటర్వ్యూలు లేదా టెలిఫోన్ ఇంటర్వ్యూలకు అవసరమైన సమయం కంటే మొత్తం సమయం ఎక్కువగా ఉండవచ్చు. అయితే, మొత్తం సమయాన్ని ముందుగానే తెలుసుకోవచ్చు (Fowler 1988, Denscombe 1998). వ్యక్తిగత ఇంటర్వ్యూలు నిర్వహించడం కోసం గడిపిన సమయాన్ని ముందుగా తెలుసుకోవడం సాధ్యం కాదు ఎందుకంటే ఇది ఒక ఇంటర్వ్యూ నుండి మరొక ఇంటర్వ్యూకి మారుతుంది (ఫౌలర్ 1988). టెలిఫోన్ ఇంటర్వ్యూలు పోస్టల్ ప్రశ్నాపత్రాలు మరియు వ్యక్తిగత ఇంటర్వ్యూల కంటే వేగంగా ఉంటాయి, అయితే కొంతమంది వ్యక్తులు అందుబాటులో లేకపోవడం వల్ల అధిక ప్రతిస్పందన రేటును కలిగి ఉండవచ్చు (ఫౌలర్ 1988). అదనంగా, టెలిఫోన్ ఇంటర్వ్యూలు సాధారణంగా ప్రశ్నల యొక్క చిన్న జాబితాలకు పరిమితం చేయబడతాయి (బైన్బ్రిడ్జ్ 1989).
మెయిల్ ప్రశ్నాపత్రం యొక్క మరొక బలహీనత అధిక ప్రతిస్పందన రేటు (ఫౌలర్ 1988, బైన్బ్రిడ్జ్ 1989, న్యూమాన్ 1994). అయితే, ఈ అధ్యయనాన్ని విశ్వసనీయ డేటా వేర్హౌసింగ్ సంస్థ (అంటే TDWI) (బైన్బ్రిడ్జ్ 1989, న్యూమాన్ 1994)తో అనుబంధించడం ద్వారా ప్రతిఘటనలు తీసుకోబడ్డాయి, ఇది స్పందించని వారికి రెండు రిమైండర్ లేఖలను పంపుతుంది (ఫౌలర్ 1988, న్యూమాన్ 1994) మరియు ఇందులో కూడా ఉంది అధ్యయనం యొక్క ఉద్దేశ్యాన్ని వివరిస్తూ (న్యూమాన్ 1994).
3.4.2 విశ్లేషణ యూనిట్
ఈ అధ్యయనం యొక్క ఉద్దేశ్యం ఆస్ట్రేలియన్ సంస్థలలో డేటా వేర్హౌసింగ్ అమలు మరియు దాని ఉపయోగం గురించి సమాచారాన్ని పొందడం. లక్ష్య జనాభాలో అమలు చేసిన లేదా అమలు చేస్తున్న అన్ని ఆస్ట్రేలియన్ సంస్థలు ఉన్నాయి, i డేటా గిడ్డంగి. వ్యక్తిగత సంస్థలు ఆ తర్వాత పేరు మీద నమోదు చేయబడతాయి. ప్రశ్నాపత్రం స్వీకరించడానికి ఆసక్తి ఉన్న సంస్థలకు మెయిల్ ద్వారా పంపబడింది డేటా గిడ్డంగి. ఈ పద్ధతి సేకరించిన సమాచారం ప్రతి పాల్గొనే సంస్థ యొక్క అత్యంత అనుకూలమైన వనరుల నుండి వస్తుందని నిర్ధారిస్తుంది.
3.4.3 సర్వే నమూనా
సర్వేలో పాల్గొనేవారి "మెయిలింగ్ జాబితా" TDWI నుండి పొందబడింది. ఈ జాబితా నుండి, నమూనా కోసం 3000 ఆస్ట్రేలియన్ సంస్థలు ఎంపిక చేయబడ్డాయి. సర్వే యొక్క ప్రాజెక్ట్ మరియు ఉద్దేశ్యాన్ని వివరించే అదనపు లేఖ, ప్రతిస్పందన షీట్ మరియు పూర్తి చేసిన ప్రశ్నాపత్రాన్ని తిరిగి ఇవ్వడానికి ప్రీ-పెయిడ్ ఎన్వలప్తో పాటు నమూనాకు పంపబడింది. 3000 సంస్థలలో, 198 అధ్యయనంలో పాల్గొనడానికి అంగీకరించాయి. ఇంత తక్కువ సంఖ్యలో స్పందనలు వస్తాయని ఊహించారు తేదీ పెద్ద సంఖ్యలో ఆస్ట్రేలియన్ సంస్థలు తమ సంస్థలలో డేటా వేర్హౌసింగ్ వ్యూహాన్ని స్వీకరించాయి లేదా స్వీకరించాయి. ఈ విధంగా, ఈ అధ్యయనం కోసం లక్ష్య జనాభాలో 198 సంస్థలు మాత్రమే ఉన్నాయి.
3.4.4 ప్రశ్నాపత్రంలోని విషయాలు
ప్రశ్నాపత్రం యొక్క నిర్మాణం మోనాష్ డేటా వేర్హౌసింగ్ మోడల్పై ఆధారపడింది (పార్ట్ 2.3లో ముందుగా చర్చించబడింది). ప్రశ్నాపత్రంలోని కంటెంట్ అధ్యాయం 2లో అందించబడిన సాహిత్య విశ్లేషణపై ఆధారపడింది. సర్వేలో పాల్గొనేవారికి పంపిన ప్రశ్నపత్రం యొక్క కాపీని అనుబంధం Bలో చూడవచ్చు. ప్రశ్నపత్రం ఆరు విభాగాలను కలిగి ఉంటుంది, ఇది కవర్ చేయబడిన మోడల్ యొక్క దశలను అనుసరిస్తుంది . కింది ఆరు పేరాగ్రాఫ్లు ప్రతి విభాగంలోని విషయాలను క్లుప్తంగా సంగ్రహించాయి.
విభాగం A: సంస్థ గురించి ప్రాథమిక సమాచారం
ఈ విభాగంలో పాల్గొనే సంస్థల ప్రొఫైల్కు సంబంధించిన ప్రశ్నలు ఉంటాయి. అదనంగా, కొన్ని ప్రశ్నలు పాల్గొనేవారి డేటా వేర్హౌసింగ్ ప్రాజెక్ట్ స్థితికి సంబంధించినవి. సంస్థ పేరు వంటి రహస్య సమాచారం సర్వే విశ్లేషణలో వెల్లడి కాలేదు.
విభాగం B: ప్రారంభం
ఈ విభాగంలోని ప్రశ్నలు డేటా వేర్హౌసింగ్ను ప్రారంభించే పనికి సంబంధించినవి. ప్రాజెక్ట్ ప్రారంభకులు, హామీదారులు, అవసరమైన నైపుణ్యాలు మరియు జ్ఞానం, డేటా వేర్హౌసింగ్ అభివృద్ధి లక్ష్యాలు మరియు తుది వినియోగదారు అంచనాలకు సంబంధించి ప్రశ్నలు అడిగారు.
విభాగం సి: డిజైన్
ఈ విభాగంలో ప్రణాళిక కార్యకలాపాలకు సంబంధించిన ప్రశ్నలు ఉంటాయి డేటా గిడ్డంగి. ప్రత్యేకించి, అమలు యొక్క పరిధి, ప్రాజెక్ట్ వ్యవధి, ప్రాజెక్ట్ ఖర్చు మరియు ఖర్చు/ప్రయోజన విశ్లేషణ గురించి ప్రశ్నలు ఉన్నాయి.
విభాగం D: అభివృద్ధి
డెవలప్మెంట్ విభాగంలో అభివృద్ధి కార్యకలాపాలకు సంబంధించిన ప్రశ్నలు ఉంటాయి డేటా గిడ్డంగి: తుది వినియోగదారు అవసరాల సేకరణ, మూలాలు డటి, యొక్క తార్కిక నమూనా డటి, ప్రోటోటైప్లు, కెపాసిటీ ప్లానింగ్, టెక్నికల్ ఆర్కిటెక్చర్లు మరియు డేటా వేర్హౌసింగ్ డెవలప్మెంట్ టూల్స్ ఎంపిక.
విభాగం E: ఆపరేషన్
యొక్క ఆపరేషన్ మరియు విస్తరణకు సంబంధించిన కార్యాచరణ ప్రశ్నలు డేటా గిడ్డంగి, అభివృద్ధి యొక్క తదుపరి దశలో ఇది ఎలా అభివృద్ధి చెందుతుంది. అక్కడ డేటా నాణ్యత, యొక్క రిఫ్రెష్ వ్యూహాలు డటి, యొక్క గ్రాన్యులారిటీ డటి, స్కేలబిలిటీ డేటా గిడ్డంగి మరియు భద్రతా సమస్యలు డేటా గిడ్డంగి అడిగే ప్రశ్నల రకాలు ఉన్నాయి.
విభాగం F: అభివృద్ధి
ఈ విభాగంలో వినియోగానికి సంబంధించిన ప్రశ్నలు ఉన్నాయి డేటా గిడ్డంగి తుది వినియోగదారుల ద్వారా. పరిశోధకుడు ప్రయోజనం మరియు ప్రయోజనంపై ఆసక్తి కలిగి ఉన్నాడు డేటా గిడ్డంగి, అవలంబించిన సమీక్ష మరియు శిక్షణా వ్యూహాలు మరియు నియంత్రణ వ్యూహం డేటా గిడ్డంగి దత్తత తీసుకున్నారు.
3.4.5 ప్రతిస్పందన రేటు
మెయిల్ సర్వేలు తక్కువ ప్రతిస్పందన రేటును కలిగి ఉన్నాయని విమర్శించినప్పటికీ, రాబడి రేటును పెంచడానికి చర్యలు తీసుకోబడ్డాయి (గతంలో పార్ట్ 3.4.1లో చర్చించినట్లు). 'రెస్పాన్స్ రేట్' అనే పదం నిర్దిష్ట సర్వే నమూనాలో ప్రశ్నాపత్రానికి ప్రతిస్పందించే వ్యక్తుల శాతాన్ని సూచిస్తుంది (డెన్స్కాంబ్ 1998). ఈ అధ్యయనం కోసం ప్రతిస్పందన రేటును లెక్కించడానికి క్రింది సూత్రం ఉపయోగించబడింది:
ప్రతిస్పందించిన వ్యక్తుల సంఖ్య
ప్రతిస్పందన రేటు = —————————————————————————– X 100 పంపిన మొత్తం ప్రశ్నాపత్రాల సంఖ్య
3.4.6 పైలట్ పరీక్ష
ప్రశ్నపత్రాన్ని నమూనాకు పంపే ముందు, లక్ అండ్ రూబిన్ (1987), జాక్సన్ (1988) మరియు డి వాస్ (1991) సూచించిన విధంగా పైలట్ పరీక్షలను నిర్వహించడం ద్వారా ప్రశ్నలను పరిశీలించారు. పైలట్ పరీక్షల యొక్క ఉద్దేశ్యం ఏమిటంటే, ఏదైనా ఇబ్బందికరమైన, అస్పష్టమైన వ్యక్తీకరణలు మరియు ప్రశ్నలను అర్థం చేసుకోవడం కష్టం, ఏవైనా నిర్వచనాలు మరియు నిబంధనలను స్పష్టం చేయడం మరియు ప్రశ్నాపత్రాన్ని పూర్తి చేయడానికి అవసరమైన సమయాన్ని గుర్తించడం (వార్విక్ మరియు లైనింగర్ 1975, జాక్సన్ 1988, సలాంట్ మరియు దిల్మాన్ 1994). డేవిస్ ఇ సూచించినట్లుగా, తుది సబ్జెక్ట్ల మాదిరిగానే లక్షణాలతో కూడిన సబ్జెక్టులను ఎంచుకోవడం ద్వారా పైలట్ పరీక్షలు జరిగాయి. Cosenza (1993) ఈ అధ్యయనంలో, ఆరుగురు డేటా వేర్హౌసింగ్ నిపుణులను పైలట్ సబ్జెక్ట్లుగా ఎంపిక చేశారు. ప్రతి పైలట్ పరీక్ష తర్వాత, అవసరమైన దిద్దుబాట్లు చేయబడ్డాయి. నిర్వహించిన పైలట్ పరీక్షల నుండి, పాల్గొనేవారు ప్రశ్నాపత్రం యొక్క చివరి వెర్షన్ను రీసెట్ చేయడానికి మరియు రీసెట్ చేయడానికి సహకరించారు.
3.4.7 ద్వారా విశ్లేషణ పద్ధతులు డటి
I డటి SPSS అనే స్టాటిస్టికల్ ప్రోగ్రామ్ ప్యాకేజీని ఉపయోగించి క్లోజ్డ్-ఎండ్ ప్రశ్నాపత్రాల నుండి సేకరించిన సర్వేలు విశ్లేషించబడ్డాయి. అనేక ప్రతిస్పందనలు వివరణాత్మక గణాంకాలను ఉపయోగించి విశ్లేషించబడ్డాయి. అనేక ప్రశ్నాపత్రాలు అసంపూర్తిగా తిరిగి వచ్చాయి. వీటిని నిర్ధారించడానికి ఎక్కువ శ్రద్ధతో వ్యవహరించారు డటి మిస్సింగ్ అనేది డేటా ఎంట్రీ ఎర్రర్ల పర్యవసానంగా కాదు, అయితే ప్రశ్నలు రిజిస్ట్రెంట్కు సరిపోవు లేదా రిజిస్ట్రెంట్ ఒకటి లేదా అంతకంటే ఎక్కువ నిర్దిష్ట ప్రశ్నలకు సమాధానం ఇవ్వకూడదని నిర్ణయించుకున్నాడు. విశ్లేషణ సమయంలో ఈ తప్పిపోయిన ప్రతిస్పందనలు విస్మరించబడ్డాయి డటి మరియు విశ్లేషణ ప్రక్రియ నుండి వారి మినహాయింపును నిర్ధారించడానికి '- 9'గా కోడ్ చేయబడ్డాయి.
ప్రశ్నాపత్రాన్ని సిద్ధం చేసేటప్పుడు, ప్రతి ఎంపికకు ఒక సంఖ్యను కేటాయించడం ద్వారా క్లోజ్డ్ ప్రశ్నలు ప్రీకోడ్ చేయబడ్డాయి. ఆ సంఖ్యను సిద్ధం చేయడానికి ఉపయోగించారు డటి విశ్లేషణ సమయంలో (Denscombe 1998, Sapsford మరియు Jupp 1996). ఉదాహరణకు, విభాగం B యొక్క ప్రశ్న 1లో ఆరు ఎంపికలు జాబితా చేయబడ్డాయి: బోర్డ్ ఆఫ్ డైరెక్టర్లు, సీనియర్ ఎగ్జిక్యూటివ్, IT విభాగం, వ్యాపార విభాగం, కన్సల్టెంట్లు మరియు ఇతరమైనవి. యొక్క ఫైల్లో డటి SPSS యొక్క, ఆరు విలువ లేబుల్లతో 'ది ప్రాజెక్ట్ ఇనిషియేటర్'ని సూచించడానికి ఒక వేరియబుల్ రూపొందించబడింది: 'బోర్డ్ ఆఫ్ డైరెక్టర్స్' కోసం '1', 'సీనియర్ ఎగ్జిక్యూటివ్' కోసం '2' మరియు మొదలైనవి. కొన్ని క్లోజ్డ్ ప్రశ్నలలో లైకెర్టిన్ స్కేల్ని ఉపయోగించడం వలన SPSSలో నమోదు చేయబడిన సంబంధిత సంఖ్యా విలువలను ఉపయోగించి అప్రయత్నంగా గుర్తించడానికి కూడా అనుమతించబడుతుంది. పరస్పర విరుద్ధం కాని సమగ్ర సమాధానాలతో కూడిన ప్రశ్నల కోసం, ప్రతి ఎంపిక రెండు విలువ లేబుల్లతో ఒకే వేరియబుల్గా పరిగణించబడుతుంది: 'మార్క్ చేయబడినది' కోసం '1' మరియు 'మార్క్ చేయబడలేదు' కోసం '2'.
ఓపెన్ ప్రశ్నలు క్లోజ్డ్ ప్రశ్నలకు భిన్నంగా పరిగణించబడ్డాయి. ఈ ప్రశ్నలకు సమాధానాలు SPSSలో నమోదు చేయబడలేదు. బదులుగా, వాటిని చేతితో విశ్లేషించారు. ఈ రకమైన ప్రశ్నను ఉపయోగించడం వల్ల ప్రతివాదుల స్వేచ్ఛగా వ్యక్తీకరించబడిన ఆలోచనలు మరియు వ్యక్తిగత అనుభవాల గురించి సమాచారాన్ని పొందేందుకు మమ్మల్ని అనుమతిస్తుంది (Bainbridge 1989, Denscombe 1998). సాధ్యమైన చోట, ప్రతిస్పందనల వర్గీకరణ చేయబడింది.
యొక్క విశ్లేషణ కోసం డటి, ప్రతిస్పందన ఫ్రీక్వెన్సీ, సగటు, ప్రామాణిక విచలనం మరియు మధ్యస్థ (ఆర్గైరస్ 1996, డెన్స్కాంబ్ 1998) వంటి సాధారణ గణాంక విశ్లేషణ పద్ధతులు ఉపయోగించబడతాయి.
మధ్య అనుబంధాల పరిమాణాత్మక కొలతలను పొందడం కోసం గామా పరీక్ష బాగా పని చేస్తోంది డటి ఆర్డినల్స్ (నోరుసిస్ 1983, ఆర్గైరస్ 1996). ఈ పరీక్షలు సముచితమైనవి ఎందుకంటే ఉపయోగించిన ఆర్డినల్ స్కేల్స్లో అనేక వర్గాలు లేవు మరియు వాటిని పట్టికలో చూపవచ్చు (నోరుసిస్ 1983).
3.5 సోమరియో
ఈ అధ్యాయంలో, ఈ అధ్యయనం కోసం అవలంబించిన పరిశోధనా పద్దతి మరియు రూపకల్పన చర్చించబడింది.
నిర్దిష్ట అధ్యయనం కోసం అత్యంత సరైన పరిశోధనా పద్ధతిని ఎంచుకోవడం పరిగణనలోకి తీసుకుంటుంది
పరిశోధన యొక్క స్వభావం మరియు రకం, అలాగే ప్రతి సాధ్యమైన పద్ధతి యొక్క మెరిట్లు మరియు బలహీనతలతో సహా అనేక నియమాల పరిశీలన (జెంకిన్స్ 1985, బెన్బాసట్ మరియు ఇతరులు. 1097, గల్లీర్స్ మరియు ల్యాండ్ 1987, యిన్ 1989, హామిల్టన్ మరియు ఇవ్స్ 1992, గ్యాలియర్స్ 1992, న్యూమాన్ 1994). ఆస్ట్రేలియాలో డేటా వేర్హౌసింగ్ స్వీకరణకు సంబంధించి ఇప్పటికే ఉన్న జ్ఞానం మరియు సిద్ధాంతం లేకపోవడంతో, ఈ పరిశోధన అధ్యయనానికి ఆస్ట్రేలియన్ సంస్థల అనుభవాలను అన్వేషించే అన్వేషణాత్మక సామర్థ్యంతో కూడిన వివరణాత్మక పరిశోధన పద్ధతి అవసరం. ఆస్ట్రేలియన్ సంస్థలు డేటా వేర్హౌసింగ్ కాన్సెప్ట్ను స్వీకరించడానికి సంబంధించిన సమాచారాన్ని సేకరించేందుకు ఎంచుకున్న పరిశోధనా పద్ధతి ఎంపిక చేయబడింది. సేకరణ సాంకేతికతగా పోస్టల్ ప్రశ్నాపత్రం ఎంపిక చేయబడింది డటి. పరిశోధన పద్ధతి మరియు సేకరణ సాంకేతికత కోసం సమర్థనలు డటి ఎంపిక చేయబడినవి ఈ అధ్యాయంలో అందించబడతాయి. ఇంకా, విశ్లేషణ యూనిట్, ఉపయోగించిన నమూనా, ప్రతిస్పందనల శాతం, ప్రశ్నాపత్రం యొక్క కంటెంట్, ప్రశ్నాపత్రం యొక్క ముందస్తు పరీక్ష మరియు విశ్లేషణ యొక్క పద్ధతిపై చర్చ అందించబడింది. డటి.
రూపకల్పన a డేటా గిడ్డంగి:
ఎంటిటీ రిలేషన్షిప్ మరియు డైమెన్షనల్ మోడలింగ్ కలపడం
నైరూప్య
నిల్వ చేయడం i డటి అనేది చాలా సంస్థలకు ప్రధానమైన ప్రస్తుత సమస్య. కంప్యూటర్ నిల్వ అభివృద్ధిలో కీలక సమస్య డటి అది అతని డిజైన్.
డిజైన్లోని భావనలను గుర్తించడానికి తప్పనిసరిగా మద్దతు ఇవ్వాలి డేటా గిడ్డంగి లెగసీ సిస్టమ్ మరియు ఇతర వనరులకు డటి మరియు అమలులో సులభంగా అవగాహన మరియు సమర్థత డేటా గిడ్డంగి.
యొక్క చాలా నిల్వ సాహిత్యం డటి రూపకల్పనను సూచించడానికి ఎంటిటీ రిలేషన్షిప్ మోడలింగ్ లేదా డైమెన్షనల్ మోడలింగ్ని ఉపయోగించమని సిఫార్సు చేస్తుంది డేటా గిడ్డంగి.
డ్రాయింగ్ కోసం ఒకే విధానంలో రెండు ప్రాతినిధ్యాలను ఎలా కలపవచ్చో ఈ కాగితంలో మేము చూపుతాము డేటా గిడ్డంగి. ఉపయోగించిన విధానం క్రమబద్ధమైనది
ఒక కేస్ స్టడీలో పరిశీలించబడింది మరియు అభ్యాసకులతో అనేక ముఖ్యమైన చిక్కులలో గుర్తించబడింది.
డేటా వేర్హౌసింగ్
Un డేటా గిడ్డంగి ఇది సాధారణంగా "విషయం-ఆధారిత, సమీకృత, సమయ-వైవిధ్యం మరియు నిర్వహణ యొక్క నిర్ణయాలకు మద్దతుగా డేటా యొక్క అస్థిరత సేకరణ"గా నిర్వచించబడుతుంది (ఇన్మోన్ మరియు హ్యాకథార్న్, 1994). సబ్జెక్ట్-ఓరియెంటెడ్ మరియు ఇంటిగ్రేటెడ్ అని సూచిస్తుంది డేటా గిడ్డంగి యొక్క సమీకృత దృక్పథాన్ని అందించడానికి Legaci సిస్టమ్ల ఫంక్షనల్ సరిహద్దులను దాటేలా రూపొందించబడింది డటి.
టైమ్-వేరియంట్ యొక్క చారిత్రక లేదా సమయ శ్రేణి స్వభావాన్ని ప్రభావితం చేస్తుంది డటి అన్ లో డేటా గిడ్డంగి, ఇది ట్రెండ్లను విశ్లేషించడానికి వీలు కల్పిస్తుంది. అస్థిరత లేనిది అని సూచిస్తుంది డేటా గిడ్డంగి ఇది a లాగా నిరంతరం నవీకరించబడదు డేటాబేస్ OLTP యొక్క. బదులుగా ఇది క్రమానుగతంగా నవీకరించబడుతుంది డటి అంతర్గత మరియు బాహ్య మూలాల నుండి వస్తుంది. ది డేటా గిడ్డంగి ఇది సమగ్రత మరియు ఆపరేషన్ పనితీరును నవీకరించడానికి బదులుగా శోధన కోసం ప్రత్యేకంగా రూపొందించబడింది.
i నిల్వ చేయాలనే ఆలోచన డటి కొత్తది కాదు, ఇది నిర్వహణ ప్రయోజనాలలో ఒకటి డటి అరవైల నుండి (ది మార్టిన్, 1982).
I డేటా గిడ్డంగి వారు మౌలిక సదుపాయాలను అందిస్తారు డటి నిర్వహణ మద్దతు వ్యవస్థల కోసం. నిర్వహణ మద్దతు వ్యవస్థలలో నిర్ణయం మద్దతు వ్యవస్థలు (DSS) మరియు కార్యనిర్వాహక సమాచార వ్యవస్థలు (EIS) ఉన్నాయి. DSS అనేది కంప్యూటర్ ఆధారిత సమాచార వ్యవస్థ, ఇది మానవ నిర్ణయం తీసుకోవడాన్ని మెరుగుపరచడానికి రూపొందించబడింది. EIS అనేది సాధారణంగా డెలివరీ సిస్టమ్ డటి దీని వీక్షణను సులభంగా యాక్సెస్ చేయడానికి వ్యాపార నాయకులను అనుమతిస్తుంది డటి.
సాధారణ నిర్మాణం a డేటా గిడ్డంగి పాత్రను హైలైట్ చేస్తుంది డేటా గిడ్డంగి నిర్వహణ మద్దతులో. అలాగే మౌలిక సదుపాయాలు కల్పిస్తున్నారు డటి EIS మరియు DSS కోసం, అల్ డేటా గిడ్డంగి ఇది ప్రశ్నల ద్వారా నేరుగా యాక్సెస్ చేయవచ్చు. ది డటి a లో చేర్చబడింది డేటా గిడ్డంగి నిర్వహణ సమాచార అవసరాల విశ్లేషణపై ఆధారపడి ఉంటాయి మరియు మూడు మూలాధారాల నుండి పొందబడతాయి: అంతర్గత వారసత్వ వ్యవస్థలు, ప్రత్యేక ప్రయోజన డేటా క్యాప్చర్ సిస్టమ్లు మరియు బాహ్య డేటా మూలాధారాలు. ది డటి అంతర్గత వారసత్వ వ్యవస్థలలో అవి తరచుగా అనవసరమైనవి, అస్థిరమైనవి, తక్కువ నాణ్యత మరియు వివిధ ఫార్మాట్లలో నిల్వ చేయబడతాయి కాబట్టి వాటిని లోడ్ చేయడానికి ముందు వాటిని సమన్వయం చేసి శుభ్రం చేయాలి.
డేటా గిడ్డంగి (ఇన్మోన్, 1992; మెక్ఫాడెన్, 1996). ది డటి నిల్వ వ్యవస్థల నుండి వస్తుంది డటి తాత్కాలికంగా మరియు మూలాల నుండి డటి బాహ్య తరచుగా పెంచడానికి ఉపయోగిస్తారు (నవీకరణ, భర్తీ) i డటి వారసత్వ వ్యవస్థల నుండి.
అభివృద్ధి చేయడానికి చాలా బలమైన కారణాలు ఉన్నాయి a డేటా గిడ్డంగి, మరింత సమాచారం యొక్క ప్రభావవంతమైన ఉపయోగం (ఇవ్స్ 1995), మొత్తం డీల్స్పై దృష్టి పెట్టడానికి మద్దతు (గ్రాహం 1996) మరియు తగ్గింపు ద్వారా మెరుగైన నిర్ణయం తీసుకోవడం వంటివి ఉన్నాయి. డటి EIS మరియు DSS కోసం (గ్రాహం 1996, మెక్ఫాడెన్ 1996).
ఇటీవలి అనుభావిక అధ్యయనం సగటున, పెట్టుబడిపై రాబడిని కనుగొంది డేటా గిడ్డంగి మూడు సంవత్సరాల తర్వాత 401% ద్వారా (గ్రాహం, 1996). అయితే, ఇతర అనుభావిక అధ్యయనాలు డేటా గిడ్డంగి ప్రయోజనాలను కొలవడంలో మరియు కేటాయించడంలో ఇబ్బంది, స్పష్టమైన ప్రయోజనం లేకపోవడం, ప్రయోజనాలను నిల్వ చేసే ప్రక్రియ యొక్క ఉద్దేశ్యం మరియు సంక్లిష్టతను తక్కువగా అంచనా వేయడం వంటి ముఖ్యమైన సమస్యలను కనుగొన్నారు. డటి, ముఖ్యంగా మూలాలు మరియు శుభ్రత గురించి డటి. నిల్వ చేయడం i డటి నిర్వహణ సమస్యకు పరిష్కారంగా పరిగణించవచ్చు డటి సంస్థల మధ్య. యొక్క తారుమారు డటి ఒక సామాజిక వనరుగా ఇది చాలా సంవత్సరాలుగా ప్రపంచవ్యాప్తంగా సమాచార వ్యవస్థలను నిర్వహించడంలో కీలకమైన సమస్యలలో ఒకటిగా మిగిలిపోయింది (Brancheau et al. 1996, Galliers et al. 1994, Niederman et al. 1990, Pervan 1993).
నిర్వహణకు ఒక ప్రసిద్ధ విధానం డటి ఎనభైలలో ఇది ఒక మోడల్ అభివృద్ధి డటి సామాజిక. మోడల్ డటి కొత్త అప్లికేషన్ సిస్టమ్ల అభివృద్ధికి స్థిరమైన ఆధారాన్ని అందించడానికి సోషల్ రూపొందించబడింది మరియు డేటాబేస్ మరియు లెగసీ సిస్టమ్స్ యొక్క పునర్నిర్మాణం మరియు ఏకీకరణ (Brancheau et al.
1989, గుడ్హ్యూ మరియు ఇతరులు. 1988:1992, కిమ్ మరియు ఎవరెస్ట్ 1994). అయితే, ఈ విధానంలో చాలా సమస్యలు ఉన్నాయి, ప్రత్యేకించి, ప్రతి పని యొక్క సంక్లిష్టత మరియు ఖర్చు, మరియు ప్రత్యక్ష ఫలితాలను అందించడానికి ఎక్కువ సమయం అవసరమవుతుంది (Beynon-Davies 1994, Earl 1993, Goodhue et al. 1992, Periasamy 1994, Shanks 1997 )
Il డేటా గిడ్డంగి ఇది ఒక ప్రత్యేక డేటాబేస్, ఇది లెగసీ డేటాబేస్లను భర్తీ చేయడం కంటే వాటితో కలిసి ఉంటుంది. కాబట్టి ఇది నిర్వహణను నిర్దేశించడానికి మిమ్మల్ని అనుమతిస్తుంది డటి మరియు లెగసీ సిస్టమ్స్ యొక్క ఖరీదైన పునర్నిర్మాణాన్ని నివారించండి.
డేటా డిజైన్కు ఇప్పటికే ఉన్న విధానాలు
గిడ్డంగి
నిర్మాణం మరియు పరిపూర్ణత ప్రక్రియ a డేటా గిడ్డంగి ఇది సాంప్రదాయ వ్యవస్థల అభివృద్ధి జీవితచక్రం కాకుండా పరిణామ ప్రక్రియగా అర్థం చేసుకోవాలి (దేశియో, 1995, షాంక్స్, ఓ'డొన్నెల్ మరియు ఆర్నోట్ 1997a ). ప్రాజెక్ట్లో అనేక ప్రక్రియలు ఉంటాయి డేటా గిడ్డంగి ప్రారంభించడం, ప్రణాళిక వంటివి; కంపెనీ నిర్వాహకులు అడిగిన అవసరాల నుండి పొందిన సమాచారం; మూలాలు, రూపాంతరాలు, శుభ్రపరచడం డటి మరియు లెగసీ సిస్టమ్స్ మరియు ఇతర మూలాల నుండి సమకాలీకరణ డటి; అభివృద్ధిలో డెలివరీ వ్యవస్థలు; యొక్క పర్యవేక్షణ డేటా గిడ్డంగి; మరియు పరిణామ ప్రక్రియ మరియు నిర్మాణం యొక్క తెలివిలేనితనం a డేటా గిడ్డంగి (స్టించి, ఓ'డొన్నెల్ మరియు ఆర్నాట్ 1997b). ఈ జర్నల్లో, మేము ఎలా గీయాలి అనే దానిపై దృష్టి పెడతాము డటి ఈ ఇతర ప్రక్రియల సందర్భంలో నిల్వ చేయబడుతుంది. ఆర్కిటెక్చర్కు అనేక ప్రతిపాదిత విధానాలు ఉన్నాయి డేటా గిడ్డంగి సాహిత్యంలో (ఇన్మోన్ 1994, ఇవ్స్ 1995, కింబాల్ 1994 మెక్ఫాడెన్ 1996). ఈ పద్ధతుల్లో ప్రతి ఒక్కటి వాటి బలాలు మరియు బలహీనతల విశ్లేషణతో సంక్షిప్త సమీక్షను కలిగి ఉంటుంది.
ఇన్మోన్స్ (1994) అప్రోచ్ డేటా గిడ్డంగి రూపకల్పన
ఇన్మోన్ (1994) రూపొందించడానికి నాలుగు పునరావృత దశలను ప్రతిపాదించారు a డేటా గిడ్డంగి (చిత్రం 2 చూడండి). మొదటి దశ ఒక టెంప్లేట్ రూపకల్పన డటి నేను ఎలా అర్థం చేసుకోవడానికి సామాజిక డటి వాటిని విభజించడం ద్వారా సంస్థలోని క్రియాత్మక ప్రాంతాలలో ఏకీకృతం చేయవచ్చు డటి ప్రాంతాల్లో నిల్వ. మోడల్ డటి ఇది నిల్వ కోసం తయారు చేయబడింది డటి నిర్ణయం తీసుకోవడంతో సహా డటి చరిత్రకారులు, మరియు చేర్చారు డటి తగ్గించబడింది మరియు సమగ్రపరచబడింది. రెండవ దశ అమలు కోసం సబ్జెక్ట్ ప్రాంతాలను గుర్తించడం. ఇవి నిర్దిష్ట సంస్థచే నిర్ణయించబడిన ప్రాధాన్యతలపై ఆధారపడి ఉంటాయి. మూడవ దశలో డ్రాయింగ్ ఉంటుంది డేటాబేస్ సబ్జెక్ట్ ఏరియా కోసం, తగిన స్థాయి గ్రాన్యులారిటీని చేర్చడానికి ప్రత్యేక శ్రద్ధ వహించండి. ఇన్మోన్ ఎంటిటీలు మరియు రిలేషన్షిప్ మోడల్ని ఉపయోగించమని సిఫార్సు చేస్తోంది. నాల్గవ దశ మూల వ్యవస్థలను గుర్తించడం డటి క్యాప్చర్, క్లీన్ మరియు ఫార్మాట్ i కోసం పరివర్తన ప్రక్రియలు అవసరం మరియు అభివృద్ధి డటి.
ఇన్మోన్ యొక్క విధానం యొక్క బలాలు మోడల్ డటి యొక్క ఏకీకరణకు సామాజిక ఆధారాన్ని అందిస్తుంది డటి యొక్క పునరుక్తి అభివృద్ధి కోసం మద్దతు యొక్క సంస్థ మరియు ప్రణాళికలో డేటా గిడ్డంగి. దాని లోపాలు మోడల్ రూపకల్పనలో కష్టం మరియు ఖర్చు డటి సామాజిక, రెండు నమూనాలలో ఉపయోగించే ఎంటిటీలు మరియు సంబంధాల నమూనాలను అర్థం చేసుకోవడంలో ఇబ్బంది, ఆ డటి సామాజిక మరియు అది డటి విషయం ప్రాంతం మరియు సముచితత ద్వారా నిల్వ చేయబడుతుంది డటి యొక్క డ్రాయింగ్ డేటా గిడ్డంగి యొక్క సాక్షాత్కారం కోసం డేటాబేస్ సంబంధిత కానీ కోసం కాదు డేటాబేస్ బహు డైమెన్షనల్.
ఇవ్స్' (1995) అప్రోచ్ డేటా గిడ్డంగి రూపకల్పన
ఐవ్స్ (1995) సమాచార వ్యవస్థ రూపకల్పనకు నాలుగు-దశల విధానాన్ని ప్రతిపాదించాడు, ఇది ఒక రూపకల్పనకు వర్తిస్తుంది. డేటా గిడ్డంగి (మూర్తి 3 చూడండి). సమాచార వ్యవస్థల అభివృద్ధికి ఇన్ఫర్మేషన్ ఇంజనీరింగ్పై ఈ విధానం చాలా ఆధారపడి ఉంటుంది (మార్టిన్ 1990). లక్ష్యాలు, క్లిష్టమైన మరియు విజయ కారకాలు మరియు కీలక పనితీరు సూచికలను నిర్ణయించడం మొదటి దశ. కీలకమైన వ్యాపార ప్రక్రియలు మరియు అవసరమైన సమాచారం మనల్ని ఒక మోడల్కి నడిపించేలా రూపొందించబడ్డాయి డటి సామాజిక. రెండవ దశలో నిర్వచించే నిర్మాణాన్ని అభివృద్ధి చేయడం డటి ప్రాంతాల వారీగా నిల్వ చేయబడుతుంది, డేటాబేస్ di డేటా గిడ్డంగి, అవసరమైన సాంకేతిక భాగాలు, అమలు చేయడానికి మరియు ఆపరేట్ చేయడానికి అవసరమైన సంస్థాగత మద్దతు సమితి డేటా గిడ్డంగి. మూడవ దశలో అవసరమైన సాఫ్ట్వేర్ ప్యాకేజీలు మరియు సాధనాలను ఎంచుకోవడం ఉంటుంది. నాల్గవ దశ వివరణాత్మక రూపకల్పన మరియు నిర్మాణం డేటా గిడ్డంగి. ఐవ్స్ నిల్వ చేస్తుందని పేర్కొంది డటి ఇది నిర్బంధిత పునరావృత ప్రక్రియ.
Ives విధానం యొక్క బలాలు సమాచార అవసరాలను నిర్ణయించడానికి నిర్దిష్ట సాంకేతికతలను ఉపయోగించడం, ఏకీకరణకు మద్దతుగా నిర్మాణాత్మక ప్రక్రియను ఉపయోగించడం డేటా గిడ్డంగి, తగిన హార్డ్వేర్ మరియు సాఫ్ట్వేర్ ఎంపిక మరియు బహుళ ప్రాతినిధ్య సాంకేతికతలను ఉపయోగించడం డేటా గిడ్డంగి. దాని లోపాలు సంక్లిష్టతకు అంతర్లీనంగా ఉంటాయి. ఇతరులు అనేక స్థాయిలను అభివృద్ధి చేయడంలో ఇబ్బందిని కలిగి ఉంటారు డేటాబేస్ లోపల డేటా గిడ్డంగి సహేతుకమైన సమయాలలో మరియు ఖర్చులలో.
కింబాల్ (1994) అప్రోచ్ డేటా గిడ్డంగి రూపకల్పన
కింబాల్ (1994) రూపొందించడానికి ఐదు పునరావృత దశలను ప్రతిపాదించారు a డేటా గిడ్డంగి (చిత్రాలు 4 చూడండి). అతని విధానం ప్రత్యేకంగా సోలో రూపకల్పనపై అంకితం చేయబడింది డేటా గిడ్డంగి మరియు ఎంటిటీ మరియు రిలేషన్ షిప్ మోడల్లకు ప్రాధాన్యతనిస్తూ డైమెన్షనల్ మోడల్స్ వాడకంపై. కింబాల్ ఆ డైమెన్షనల్ మోడళ్లను విశ్లేషిస్తుంది ఎందుకంటే వ్యాపార నాయకులు వ్యాపారాన్ని అర్థం చేసుకోవడం సులభం, సంక్లిష్ట సంప్రదింపులతో వ్యవహరించేటప్పుడు ఇది మరింత ప్రభావవంతంగా ఉంటుంది మరియు రూపకల్పన డేటాబేస్ భౌతికం మరింత ప్రభావవంతంగా ఉంటుంది (కింబాల్ 1994). కింబాల్ ఒక అభివృద్ధిని గుర్తిస్తుంది డేటా గిడ్డంగి అది పునరావృతం, మరియు అది డేటా గిడ్డంగి ప్రత్యేక పట్టికలను సాధారణ కొలతల పట్టికలుగా విభజించడం ద్వారా వాటిని ఏకీకృతం చేయవచ్చు.
పూర్తి చేయవలసిన నిర్దిష్ట విషయ ప్రాంతాన్ని గుర్తించడం మొదటి దశ. రెండవ మరియు మూడవ దశలు డైమెన్షనల్ మోడలింగ్కు సంబంధించినవి. రెండవ దశలో చర్యలు సబ్జెక్ట్ ఏరియాలో ఆసక్తి ఉన్న విషయాలను గుర్తిస్తాయి మరియు వాస్తవ పట్టికలో సమూహం చేయబడతాయి. ఉదాహరణకు, సేల్స్ సబ్జెక్ట్ ఏరియాలో వడ్డీ కొలతలు విక్రయించిన వస్తువుల మొత్తం మరియు అమ్మకాల కరెన్సీగా డాలర్ను కలిగి ఉండవచ్చు. మూడవ దశలో వాస్తవాలను సమూహపరచగల మార్గాలైన కొలతలను గుర్తించడం ఉంటుంది. సేల్స్ సబ్జెక్ట్ ఏరియాలో, సంబంధిత కొలతలు అంశం, స్థానం మరియు సమయ వ్యవధిని కలిగి ఉండవచ్చు. వాస్తవ పట్టిక ప్రతి డైమెన్షన్ టేబుల్లకు లింక్ చేయడానికి బహుళ-భాగాల కీని కలిగి ఉంటుంది మరియు సాధారణంగా చాలా పెద్ద సంఖ్యలో వాస్తవాలను కలిగి ఉంటుంది. దీనికి విరుద్ధంగా, డైమెన్షన్ పట్టికలు కొలతలు మరియు సమూహ వాస్తవాలకు ఉపయోగించగల ఇతర లక్షణాల గురించి వివరణాత్మక సమాచారాన్ని కలిగి ఉంటాయి. అనుబంధిత ప్రతిపాదిత వాస్తవం మరియు పరిమాణం పట్టిక దాని ఆకారం కారణంగా స్టార్ స్కీమా అని పిలువబడుతుంది. నాల్గవ దశలో ఒక నిర్మాణం ఉంటుంది డేటాబేస్ నక్షత్ర నమూనాను పరిపూర్ణం చేయడానికి బహుమితీయ. చివరి దశ మూల వ్యవస్థలను గుర్తించడం డటి క్యాప్చర్, క్లీన్ మరియు ఫార్మాట్ i కోసం పరివర్తన ప్రక్రియలు అవసరం మరియు అభివృద్ధి డటి.
కింబాల్ యొక్క విధానం యొక్క బలాలు ప్రాతినిధ్యం వహించడానికి డైమెన్షనల్ మోడల్లను ఉపయోగించడం డటి సులభంగా అర్థం చేసుకోవడానికి మరియు సమర్థవంతమైన భౌతిక రూపకల్పనకు దారితీసే విధంగా నిల్వ చేయబడుతుంది. యొక్క రెండు వ్యవస్థలను కూడా సులభంగా ఉపయోగించే డైమెన్షనల్ మోడల్ డేటాబేస్ రిలేషనల్ పరిపూర్ణం కావచ్చు లేదా వ్యవస్థలు కావచ్చు డేటాబేస్ బహుమితీయ. దాని లోపాలలో అనేక నక్షత్రాల నమూనాల ప్రణాళిక లేదా ఏకీకరణను సులభతరం చేయడానికి కొన్ని సాంకేతికతలు లేకపోవడం డేటా గిడ్డంగి మరియు విపరీతమైన డీనార్మలైజ్డ్ స్ట్రక్చర్ నుండి డైమెన్షనల్ మోడల్గా డిజైన్ చేయడంలో ఇబ్బంది a డటి వారసత్వ వ్యవస్థలో.
మెక్ఫాడెన్స్ (1996) అప్రోచ్ టు డేటా గిడ్డంగి డిజైన్
మెక్ఫాడెన్ (1996) రూపకల్పనకు ఐదు-దశల విధానాన్ని ప్రతిపాదించారు a డేటా గిడ్డంగి (మూర్తి 5 చూడండి).
అతని విధానం సాహిత్యం నుండి ఆలోచనల సంశ్లేషణపై ఆధారపడి ఉంటుంది మరియు సింగిల్ రూపకల్పనపై దృష్టి పెట్టింది డేటా గిడ్డంగి. మొదటి దశలో అవసరాల విశ్లేషణ ఉంటుంది. సాంకేతిక లక్షణాలు సూచించబడనప్పటికీ, మెక్ఫాడెన్ యొక్క గమనికలు ఎంటిటీలను గుర్తిస్తాయి డటి స్పెసిఫికేషన్లు మరియు వాటి గుణాలు, మరియు అవసరాల క్యాప్చర్ కోసం పాఠకులు Watson and Frolick (1993)ని సూచిస్తారు.
రెండవ దశలో, ఎంటిటీ సంబంధాల నమూనా రూపొందించబడింది డేటా గిడ్డంగి ఆపై వ్యాపార నాయకులు ధృవీకరించారు. మూడవ దశలో లెగసీ సిస్టమ్లు మరియు బాహ్య మూలాల నుండి మ్యాపింగ్ని నిర్ణయించడం ఉంటుంది డేటా గిడ్డంగి. నాల్గవ దశలో అభివృద్ధి, విస్తరణ మరియు సమకాలీకరణ ప్రక్రియలు ఉంటాయి డటి నెల్ డేటా గిడ్డంగి. చివరి దశలో, సిస్టమ్ డెలివరీ వినియోగదారు ఇంటర్ఫేస్పై ప్రత్యేక ప్రాధాన్యతతో అభివృద్ధి చేయబడింది. డ్రాయింగ్ ప్రక్రియ సాధారణంగా పునరావృతమవుతుందని మెక్ఫాడెన్ పేర్కొన్నాడు.
మెక్ఫాడెన్ యొక్క విధానం యొక్క బలాలు అవసరాలు మరియు వనరుల ప్రాముఖ్యతను నిర్ణయించడంలో వ్యాపార నాయకుల భాగస్వామ్యాన్ని సూచిస్తాయి. డటి, వారి శుభ్రపరచడం మరియు సేకరణ. దాని లోపాలు పెద్ద ప్రాజెక్ట్ను విచ్ఛిన్నం చేసే ప్రక్రియ లేకపోవడం డేటా గిడ్డంగి అనేక సమీకృత దశల్లో, మరియు
రూపకల్పనలో ఉపయోగించే ఎంటిటీ మరియు సంబంధాల నమూనాలను అర్థం చేసుకోవడంలో ఇబ్బంది డేటా గిడ్డంగి.
మనకు సన్నిహితంగా ఉన్నవారు మాత్రమే మనల్ని ఎన్నుకోరు.
ఆన్లైన్ వెబ్ ఏజెన్సీ నుండి మరింత తెలుసుకోండి
ఇమెయిల్ ద్వారా తాజా కథనాలను స్వీకరించడానికి సభ్యత్వాన్ని పొందండి.