డేటా వేర్‌హౌసింగ్ మరియు ERP | సెంట్రల్ డేటా ఆర్కైవ్: చరిత్ర మరియు పరిణామం

ఆర్కైవ్ సమాచారం సెంట్రల్ : హిస్టరీ అండ్ ఎవల్యూషన్

90వ దశకంలో కార్పొరేట్ టెక్నాలజీకి సంబంధించిన రెండు ప్రధాన అంశాలు
రాష్ట్రాలు i డేటా గిడ్డంగి మరియు ERP. చాలా కాలంగా ఈ ఇద్దరూ బలవంతులు
ప్రవాహాలు ఎప్పుడూ లేకుండా కార్పొరేట్ ITలో భాగాలుగా ఉన్నాయి
కూడళ్లు. దాదాపు అవి పదార్థం మరియు వ్యతిరేక పదార్ధం అన్నట్లుగా ఉంది. కానీ
రెండు దృగ్విషయాల పెరుగుదల అనివార్యంగా ఒకదానికి దారితీసింది
వారి ఖండన. నేడు కంపెనీలు సమస్యను ఎదుర్కొంటున్నాయి
ERPతో ఏమి చేయాలి e డేటా గిడ్డంగి. ఈ వ్యాసం వివరిస్తుంది
సమస్యలు ఏమిటి మరియు వాటిని కంపెనీలు ఎలా పరిష్కరిస్తాయి.
ప్రారంభంలో…
ప్రారంభంలో ఉంది డేటా గిడ్డంగి. డేటా గిడ్డంగి కోసం పుట్టింది
లావాదేవీ ప్రాసెసింగ్ అప్లికేషన్ సిస్టమ్‌ను ఎదుర్కోండి.
యొక్క ప్రారంభ రోజుల్లో కంఠస్థం డటి అది ఉద్దేశించబడింది
ఇమెయిల్ ప్రాసెసింగ్ అప్లికేషన్‌లకు కేవలం కౌంటర్ పాయింట్
లావాదేవీలు. కానీ ఈ రోజుల్లో చాలా అధునాతన దర్శనాలు ఉన్నాయి
ఏమి చేయగలడు డేటా గిడ్డంగి. నేటి ప్రపంచంలో ది
డేటా గిడ్డంగి ఒక నిర్మాణంలో చేర్చబడుతుంది
కార్పొరేట్ ఇన్ఫర్మేషన్ ఫ్యాక్టరీ అని పిలుస్తారు.
కార్పొరేట్ ఇన్ఫర్మేషన్ ఫ్యాక్టరీ
(CIF)
కార్పొరేట్ ఇన్ఫర్మేషన్ ఫ్యాక్టరీ నిర్మాణ భాగాలను కలిగి ఉంది
ప్రమాణం: పరివర్తన మరియు కోడ్ ఏకీకరణ స్థాయి
ఇది i ఇంటిగ్రేట్ చేస్తుంది డటి అయితే నేను డటి వారు పర్యావరణం నుండి తరలిస్తారు
పర్యావరణానికి అప్లికేషన్ డేటా గిడ్డంగి సంస్థ యొక్క; a
డేటా గిడ్డంగి సంస్థ యొక్క డటి
వివరణాత్మక మరియు సమగ్ర చరిత్రకారులు. ది డేటా గిడ్డంగి కంపెనీగా పనిచేస్తుంది
అన్ని ఇతర భాగాలను నిర్మించగల పునాది
యొక్క పర్యావరణం డేటా గిడ్డంగి; కార్యాచరణ డేటా స్టోర్ (ODS).
ODS అనేది హైబ్రిడ్ నిర్మాణం, ఇది డేటాలోని కొంత భాగాన్ని కలిగి ఉంటుంది
గిడ్డంగి మరియు OLTP పర్యావరణం యొక్క ఇతర అంశాలు; డేటా మార్ట్స్, ఇక్కడ i
వివిధ విభాగాలు తమ స్వంత డేటా వెర్షన్‌ను కలిగి ఉండవచ్చు
గిడ్డంగి; a డేటా గిడ్డంగి అన్వేషణ దీనిలో i
కంపెనీ "తత్వవేత్తలు" (ఆలోచకులు) వారి ప్రశ్నలను సమర్పించవచ్చు
హానికరమైన ప్రభావం లేకుండా 72 గంటలు డేటా గిడ్డంగి; మరియు ఒక జ్ఞాపకం
దగ్గర లైన్, దీనిలో డటి పాత మరియు డటి భారీ వివరాలు ఉండవచ్చు
చౌకగా నిల్వ చేయబడుతుంది.
ERP ఎక్కడ కలిసిపోతుంది
కార్పొరేట్ ఇన్ఫర్మేషన్ ఫ్యాక్టరీ
ERP రెండు ప్రదేశాలలో కార్పొరేట్ ఇన్ఫర్మేషన్ ఫ్యాక్టరీతో విలీనమవుతుంది.
ప్రాథమికంగా iని అందించే బేస్‌లైన్ అప్లికేషన్‌గా
డటి అప్లికేషన్ యొక్క డేటా గిడ్డంగి. ఈ సందర్భంలో ఐ డటి,
లావాదేవీ ప్రక్రియ యొక్క ఉప-ఉత్పత్తిగా రూపొందించబడింది,
లో ఏకీకృతం మరియు లోడ్ చేయబడతాయి డేటా గిడ్డంగి సంస్థ యొక్క. ది
ERP మరియు CIF మరియు ODS మధ్య యూనియన్ యొక్క రెండవ స్థానం. నిజానికి, అనేక
ERP ఒక క్లాసిక్ ODS వలె ఉపయోగించబడుతుంది.
ఒకవేళ ERPని కోర్ అప్లికేషన్‌గా ఉపయోగిస్తే, అది
అదే ERPని CIFలో ODSగా కూడా ఉపయోగించవచ్చు. లో
అయితే, ERPని రెండు పాత్రలలో ఉపయోగించాలంటే, అక్కడ
రెండు ఎంటిటీల మధ్య స్పష్టమైన వ్యత్యాసం ఉండాలి. వేరే పదాల్లో,
ERP బేస్ అప్లికేషన్ మరియు ODS పాత్రను పోషిస్తున్నప్పుడు, le
రెండు నిర్మాణ అంశాలు తప్పనిసరిగా వేరు చేయబడాలి. సింగిల్ అయితే
ERPని అమలు చేయడం రెండు పాత్రలను నెరవేర్చడానికి ప్రయత్నిస్తుంది
అదే సమయంలో అనివార్యంగా సమస్యలు ఉంటాయి
ఈ నిర్మాణం యొక్క రూపకల్పన మరియు అమలు.
ప్రత్యేక ODS మరియు ప్రాథమిక అప్లికేషన్లు
భాగాల విభజనకు దారితీసే అనేక కారణాలు ఉన్నాయి
నిర్మాణ సంబంధమైన. వేరు చేయడానికి బహుశా చాలా అనర్గళమైన ప్రశ్న
ఆర్కిటెక్చర్ యొక్క విభిన్న భాగాలు ప్రతి భాగం
ఆర్కిటెక్చర్ దాని స్వంత అభిప్రాయాన్ని కలిగి ఉంది. బేస్లైన్ అప్లికేషన్ పనిచేస్తుంది
ODS కంటే భిన్నమైన ప్రయోజనం కోసం. అతివ్యాప్తి చేయడానికి ప్రయత్నించండి
ODS లేదా వైస్ వెర్సా ప్రపంచంపై బేస్‌లైన్ అప్లికేషన్ వీక్షణ
ఇది పని చేయడానికి సరైన మార్గం కాదు.
పర్యవసానంగా, CIFలో ERP యొక్క మొదటి సమస్య
బేస్‌లైన్ అప్లికేషన్‌లు మరియు ది మధ్య వ్యత్యాసం ఉందో లేదో తనిఖీ చేయండి
SDGలు.
కార్పొరేట్‌లో డేటా మోడల్‌లు
సమాచార కర్మాగారం
వివిధ భాగాల మధ్య సమన్వయాన్ని సాధించడానికి
CIF యొక్క ఆర్కిటెక్చర్ యొక్క నమూనా తప్పనిసరిగా ఉండాలి డటి. నేను
యొక్క నమూనాలు డటి అవి వివిధ భాగాల మధ్య లింక్‌గా పనిచేస్తాయి
బేస్‌లైన్ అప్లికేషన్‌లు మరియు ODS వంటి ఆర్కిటెక్చర్. ది
యొక్క నమూనాలు డటి కలిగి ఉండటానికి "మేధో రహదారి మ్యాప్" అవ్వండి
CIF యొక్క విభిన్న నిర్మాణ భాగాల నుండి సరైన అర్థం.
ఈ భావనతో చేయి చేయి, ఆలోచన ఉండాలి
యొక్క గొప్ప మరియు ఏకైక మోడల్ డటి. వాస్తవానికి అతను చేయాల్సి ఉంటుంది
యొక్క నమూనాగా ఉండండి డటి ప్రతి భాగాలకు మరియు ఇంకా అక్కడ
ఇది విభిన్న నమూనాలను అనుసంధానించే సరైన మార్గంగా ఉండాలి.
ఆర్కిటెక్చర్ యొక్క ప్రతి భాగం - ODS, బేస్‌లైన్ అప్లికేషన్‌లు,
డేటా గిడ్డంగి సంస్థ యొక్క, మరియు అందువలన న .. – దాని స్వంత అవసరం
యొక్క నమూనా డటి. కాబట్టి ఖచ్చితమైన నిర్వచనం ఉండాలి
యొక్క ఈ నమూనాల వలె డటి అవి ఒకదానితో ఒకటి ఇంటర్‌ఫేస్ చేస్తాయి.
తరలించు I సమాచారం డేటాలోని ERP
గిడ్డంగి
యొక్క మూలం అయితే డటి బేస్‌లైన్ అప్లికేషన్ మరియు/లేదా ODS, ఎప్పుడు
ERP ఇన్సర్ట్‌లు i డటి నెల్ డేటా గిడ్డంగి, ఈ ఎంట్రీ తప్పక
గ్రాన్యులారిటీ యొక్క అత్యల్ప స్థాయిలో జరుగుతాయి. రీక్యాప్ లేదా
కేవలం సమగ్ర i డటి వారు బయటకు వచ్చినప్పుడు
ERP బేస్‌లైన్ అప్లికేషన్ నుండి లేదా ERP ODS లేదు
సరైన పని. ది డటి డేటాలో వివరాలు అవసరం
గిడ్డంగి DSS ప్రక్రియకు ఆధారం. అటువంటి డటి
డేటా మార్ట్‌లు మరియు అన్వేషణ ద్వారా అవి అనేక విధాలుగా పునర్నిర్మించబడతాయి
యొక్క డేటా గిడ్డంగి.
యొక్క కదిలే డటి బేస్‌లైన్ అప్లికేషన్ వాతావరణం నుండి
యొక్క పర్యావరణానికి ERP డేటా గిడ్డంగి సంస్థ యొక్క a లో జరుగుతుంది
సహేతుకంగా రిలాక్స్డ్ మార్గం. ఆ తర్వాత ఆ మార్పు జరుగుతుంది
ERPలో నవీకరణ లేదా సృష్టి నుండి దాదాపు 24 గంటలు. యొక్క వాస్తవం
యొక్క "సోమరితనం" కదలికను కలిగి ఉంటాయి డటి నెల్ డేటా గిడ్డంగి
సంస్థ అనుమతిస్తుంది డటి ERP నుండి "స్థిరపడటానికి" వస్తోంది.
ఒకసారి ఐ డటి బేస్‌లైన్ అప్లికేషన్‌లో డిపాజిట్ చేయబడ్డాయి,
అప్పుడు మీరు సురక్షితంగా నేను తరలించవచ్చు డటి ERP యొక్క
సంస్థలో. ఉద్యమం కృతజ్ఞతలు సాధించగల మరొక లక్ష్యం
"సోమరి" దేవతలు డటి కార్యాచరణ ప్రక్రియల మధ్య స్పష్టమైన డీలిమిటేషన్ మరియు
DS పొడిగింపు. యొక్క "వేగవంతమైన" కదలికతో డటి సరిహద్దు రేఖ
DSS మరియు కార్యాచరణ అవశేషాల మధ్య అస్పష్టంగా ఉంది.
యొక్క ఉద్యమం డటి ERP యొక్క ODS నుండి డేటా గిడ్డంగి
కంపెనీ క్రమానుగతంగా జరుగుతుంది, సాధారణంగా
వారం లేదా నెలవారీ. ఈ సందర్భంలో ఉద్యమం
డటి ఇది పాత వాటిని "శుభ్రం" చేయవలసిన అవసరంపై ఆధారపడి ఉంటుంది డటి చరిత్రకారులు.
సహజంగానే, ODSలో i ఉంటుంది డటి చాలా ఇటీవలివి
గౌరవం డటి చరిత్రకారులు కనుగొన్నారు డేటా గిడ్డంగి.
యొక్క కదిలే డటి నెల్ డేటా గిడ్డంగి ఇది దాదాపు ఎప్పుడూ చేయలేదు
"టోకు" (హోల్‌సేల్ పద్ధతిలో). పట్టికను కాపీ చేయండి
ERP పర్యావరణం నుండి డేటా గిడ్డంగి ఇది సమంజసం అనిపించుకోదు. ఒక విధానం
యొక్క ఎంచుకున్న యూనిట్ల కదలిక చాలా వాస్తవికమైనది డటి.
మాత్రమే డటి డేటా యొక్క చివరి నవీకరణ నుండి మారినవి
గిడ్డంగిని డేటాలోకి తరలించాలి
గిడ్డంగి. ఏవి తెలుసుకోవడానికి ఒక మార్గం డటి అవి సవరించబడ్డాయి
యొక్క టైమ్‌స్టాంప్‌లను చూడటం చివరి అప్‌డేట్ కాబట్టి డటి
ERP వాతావరణంలో కనుగొనబడింది. డిజైనర్ అన్ని మార్పులను ఎంచుకుంటాడు
చివరి నవీకరణ నుండి ఉద్భవించింది. మరొక విధానం
మార్పు క్యాప్చర్ పద్ధతులను ఉపయోగించడం డటి. తో
ఈ పద్ధతులు క్రమంలో లాగ్‌లు మరియు జర్నల్ టేపులను విశ్లేషిస్తాయి
ఏవి నిర్ణయించండి డటి తప్పనిసరిగా ERP పర్యావరణం నుండి తరలించబడాలి
ఆ డేటా గిడ్డంగి. ఈ పద్ధతులు ఉత్తమమైనవి
ERP ఫైల్‌ల నుండి లాగ్‌లు మరియు జర్నల్ టేప్‌లు ఎలా చదవబడతాయి
ఇతర ERP వనరులపై ఎటువంటి ప్రభావం ఉండదు.
ఇతర సంక్లిష్టతలు
CIFలో ERPతో ఉన్న సమస్యలలో ఒకటి ఇతరులకు ఏమి జరుగుతుంది
అప్లికేషన్ మూలాలు లేదా AI డటి ODSలో వారు సహకరించాలి
డేటా గిడ్డంగి కానీ అవి ERP వాతావరణంలో భాగం కాదు. తేదీ
ERP యొక్క క్లోజ్డ్ స్వభావం, ముఖ్యంగా SAP, ఏకీకృతం చేసే ప్రయత్నం
బాహ్య మూలాల నుండి కీలు డటి నేను తో డటి ERP al నుండి వచ్చినవి
తరలించడానికి సమయం i డటి నెల్ డేటా గిడ్డంగి, ఇది పెద్ద సవాలు.
మరియు నేను ఖచ్చితంగా సంభావ్యత ఏమిటి డటి అప్లికేషన్లు లేదా
ERP పర్యావరణం వెలుపల ODS డేటాలో విలీనం చేయబడుతుంది
గిడ్డంగినా? అసమానత నిజానికి చాలా ఎక్కువ.
కనుగొనండి సమాచారం ERP నుండి హిస్టారికల్
ఐతో మరో సమస్య డటి ERP యొక్క ఫలితం
కలిగి ఉండవలసిన అవసరం నుండి డటి లోపల చరిత్రకారులు డేటా గిడ్డంగి.
సాధారణంగా ది డేటా గిడ్డంగి అవసరాలు డటి చరిత్రకారులు. మరియు
ERP సాంకేతికత సాధారణంగా వీటిని నిల్వ చేయదు డటి
చారిత్రాత్మకమైనది, కనీసం తేదీలో అవసరమైనంత వరకు కాదు
గిడ్డంగి. పెద్ద మొత్తంలో ఉన్నప్పుడు డటి చరిత్రకారులు ప్రకటనను ప్రారంభిస్తారు
ERP వాతావరణంలో జోడించబడాలంటే, ఆ వాతావరణం తప్పనిసరిగా ఉండాలి
శుభ్రం చేశారు. ఉదాహరణకు, ఒక అనుకుందాం డేటా గిడ్డంగి దెబ్బ
ఐదు సంవత్సరాలతో లోడ్ చేయబడుతుంది డటి ERP కలిగి ఉండగా చారిత్రాత్మకమైనది
వీటిలో గరిష్టంగా ఆరు నెలలు డటి. కంపెనీ సంతృప్తి చెందినంత కాలం
వరుసను సేకరించండి డటి కాలం గడుస్తున్న కొద్దీ చరిత్ర
అప్పుడు ERPని మూలంగా ఉపయోగించడంలో సమస్య లేదు
డేటా గిడ్డంగి. కానీ ఎప్పుడు డేటా గిడ్డంగి ఖచ్చితంగా వెళ్ళాలి
సమయానికి తిరిగి వచ్చి దేవతలను తీసుకోండి డటి లేని చరిత్రకారులు
మునుపు ERP ద్వారా సేకరించబడింది మరియు సేవ్ చేయబడింది, తర్వాత ERP పర్యావరణం
అది అసమర్థంగా మారుతుంది.
ERP మరియు మెటాడేటా
ERP గురించి మరొక పరిశీలన ఇ డేటా గిడ్డంగి అదా
ERP వాతావరణంలో ఇప్పటికే ఉన్న మెటాడేటాపై. అలాగే మెటాడేటా
వారు ERP పర్యావరణం నుండి డెల్‌కి తరలిస్తారు డేటా గిడ్డంగి, నేను
మెటాడేటాను అదే విధంగా తరలించాలి. ఇంకా, i
మెటాడేటా తప్పనిసరిగా ఫార్మాట్ మరియు నిర్మాణంలో రూపాంతరం చెందాలి
యొక్క మౌలిక సదుపాయాల ద్వారా అవసరం డేటా గిడ్డంగి. పెద్దది ఉంది
కార్యాచరణ మెటాడేటా మరియు DSS మెటాడేటా మధ్య వ్యత్యాసం. మెటాడేటా
కార్యాచరణ ప్రధానంగా డెవలపర్ కోసం మరియు వారి కోసం
ప్రోగ్రామర్. DSS మెటాడేటా ప్రధానంగా మీ కోసం
ఆఖరి. ERP అప్లికేషన్‌లు లేదా ODSలలో ఇప్పటికే ఉన్న మెటాడేటా
వారు మార్చబడాలి మరియు ఈ మార్పిడి ఎల్లప్పుడూ సులభం కాదు
మరియు ప్రత్యక్షంగా.
ERP డేటాను సోర్సింగ్ చేయడం
ERPని సరఫరాదారుగా ఉపయోగించినట్లయితే డటి ప్రతి ఇల్ డేటా గిడ్డంగి ci
iని కదిలించే ఘన ఇంటర్‌ఫేస్ అయి ఉండాలి డటి పర్యావరణం నుండి
పర్యావరణానికి ERP డేటా గిడ్డంగి. ఇంటర్ఫేస్ తప్పనిసరిగా:
▪ ఉపయోగించడానికి సులభం
▪ యాక్సెస్‌ను అనుమతించండి డటి ERP యొక్క
▪ యొక్క అర్థాన్ని తీయండి డటి అని కదలబోతున్నారు
నెల్ డేటా గిడ్డంగి
▪ ఉత్పన్నమయ్యే ERP పరిమితులను తెలుసుకోండి
యాక్సెస్ చేయబడిన క్షణం డటి ERP యొక్క:
▪ రెఫరెన్షియల్ సమగ్రత
▪ క్రమానుగత సంబంధాలు
▪ అవ్యక్త తార్కిక సంబంధాలు
▪ అప్లికేషన్ కన్వెన్షన్
▪ యొక్క అన్ని నిర్మాణాలు డటి ERP ద్వారా మద్దతివ్వబడింది మరియు మొదలైనవి…
▪ యాక్సెస్ చేయడంలో సమర్థవంతంగా ఉండండి డటి, అందించడం ద్వారా:
▪ యొక్క ప్రత్యక్ష కదలిక డటి
▪ మార్పును పొందడం డటి
▪ సకాలంలో యాక్సెస్‌కు మద్దతు ఇస్తుంది డటి
▪ యొక్క ఆకృతిని అర్థం చేసుకోండి డటి, మరియు మొదలైనవి…
SAPతో ఇంటర్‌ఫేస్
ఇంటర్‌ఫేస్ స్వదేశీ లేదా వాణిజ్యపరంగా రెండు రకాలుగా ఉంటుంది.
కొన్ని ప్రధాన వాణిజ్య ఇంటర్‌ఫేస్‌లు:
▪ SAS
▪ ప్రధాన పరిష్కారాలు
▪ D2k, మరియు మొదలైనవి...
బహుళ ERP సాంకేతికతలు
ERP పర్యావరణాన్ని ఒకే సాంకేతికత వలె పరిగణించడం a
పెద్ద తప్పు. అనేక ERP సాంకేతికతలు ఉన్నాయి, ప్రతి దాని స్వంతవి
బలాలు. మార్కెట్లో బాగా తెలిసిన విక్రేతలు:
▪ SAP
▪ ఒరాకిల్ ఫైనాన్షియల్స్
▪ పీపుల్‌సాఫ్ట్
JD ఎడ్వర్డ్స్
▪ బాన్స్
SAP
SAP అనేది అతిపెద్ద మరియు అత్యంత సమగ్రమైన ERP సాఫ్ట్‌వేర్. అప్లికేషన్లు
SAP అనేక ప్రాంతాలలో అనేక రకాల అప్లికేషన్లను కలిగి ఉంటుంది. SAP ఉంది
అనే కీర్తి:
▪ చాలా పెద్దది
▪ అమలు చేయడం చాలా కష్టం మరియు ఖరీదైనది
▪ చాలా మంది వ్యక్తులు మరియు కన్సల్టెంట్‌లు కావాలి
అమలు
▪ అమలు కోసం ప్రత్యేక వ్యక్తులు అవసరం
▪ అమలు చేయడానికి చాలా సమయం కావాలి
అలాగే SAP దాని నిల్వలో ఖ్యాతిని కలిగి ఉంది డటి molto
జాగ్రత్తగా, ఒకరికి వాటిని యాక్సెస్ చేయడం కష్టమవుతుంది
SAP ప్రాంతం వెలుపల ఉన్న వ్యక్తి. SAP యొక్క బలం ఉండాలి
పెద్ద మొత్తంలో సంగ్రహించడం మరియు నిల్వ చేయగల సామర్థ్యం డటి.
SAP ఇటీవల పొడిగించే ఉద్దేశాన్ని ప్రకటించింది
దాని అప్లికేషన్లు డేటా గిడ్డంగి. చాలా లాభాలు మరియు నష్టాలు ఉన్నాయి
యొక్క ప్రొవైడర్‌గా SAPని ఉపయోగించడంలో డేటా గిడ్డంగి.
ఒక ప్రయోజనం ఏమిటంటే SAP ఇప్పటికే ఇన్‌స్టాల్ చేయబడింది మరియు చాలా వరకు
కన్సల్టెంట్లకు ఇప్పటికే SAP తెలుసు.
SAPని సరఫరాదారుగా కలిగి ఉండటం వల్ల కలిగే నష్టాలు డేటా గిడ్డంగి నిద్ర
అనేక: 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 ట్రాక్ రికార్డ్
క్లోజ్డ్ సిస్టమ్, SAP నుండి i పొందడం సులభం కాదు
అది (???). SAPని శక్తివంతం చేసే అనేక లెగసీ పరిసరాలు ఉన్నాయి,
IMS, VSAM, ADABAS, ORACLE, DB2 మరియు మొదలైనవి.
SAP "ఇక్కడ కనుగొనబడలేదు" విధానాన్ని నొక్కి చెబుతుంది. SAP అక్కరలేదు
ఉపయోగించడానికి లేదా సృష్టించడానికి ఇతర విక్రేతలతో సహకరించండి డేటా గిడ్డంగి.
SAP దాని స్వంత సాఫ్ట్‌వేర్‌లన్నింటినీ స్వయంగా రూపొందించాలని పట్టుబట్టింది.
SAP ఒక పెద్ద మరియు శక్తివంతమైన సంస్థ అయినప్పటికీ, వాస్తవం
ELT, OLAP, పరిపాలన యొక్క సాంకేతికతను తిరిగి వ్రాయడానికి ప్రయత్నించండి
వ్యవస్థ మరియు కోడ్‌బేస్ కూడా DBMS ఇది కేవలం పిచ్చిది.
సరఫరాదారులతో సహకార వైఖరిని అవలంబించే బదులు
di డేటా గిడ్డంగి దీర్ఘకాలంగా, SAP ఆ విధానాన్ని అనుసరించింది
వారు "అత్యుత్తమంగా తెలుసు". ఈ దృక్పథం విజయాన్ని అడ్డుకుంటుంది
SAP ప్రాంతంలో ఉండవచ్చు డేటా గిడ్డంగి.
బాహ్య విక్రేతల ప్రాప్యతను అనుమతించడానికి SAP యొక్క తిరస్కరణ
వారికి వెంటనే మరియు సరసముగా డటి. ఉపయోగించడం చాలా సారాంశం
un డేటా గిడ్డంగి సులభంగా యాక్సెస్ ఉంది డటి. SAP యొక్క మొత్తం కథ
యాక్సెస్ చేయడం కష్టతరం చేయడం ఆధారంగా డటి.
పెద్ద వాల్యూమ్‌లతో వ్యవహరించడంలో SAPకి అనుభవం లేకపోవడం డటి;
రంగంలో డేటా గిడ్డంగి వాల్యూమ్‌లు ఉన్నాయి డటి అప్పటి నుంచి చూడలేదు
SAP మరియు ఈ పెద్ద పరిమాణాలను నిర్వహించడానికి డటి మీరు తప్పనిసరిగా ఒకటి కలిగి ఉండాలి
తగిన సాంకేతికత. SAPకి దీని గురించి స్పష్టంగా తెలియదు
డేటా రంగంలోకి ప్రవేశించడానికి ఉన్న సాంకేతిక అవరోధం
గిడ్డంగి.
SAP యొక్క కార్పొరేట్ సంస్కృతి: SAP వ్యాపారాన్ని సృష్టించింది
నేను పొందడంలో డటి వ్యవస్థ నుండి. కానీ దీన్ని చేయడానికి మీరు కలిగి ఉండాలి
భిన్నమైన మనస్తత్వం. సాంప్రదాయకంగా, సాఫ్ట్‌వేర్ కంపెనీలు
పర్యావరణంలోకి డేటాను పొందడం మంచిది కాదు
ఇతర మార్గంలో డేటాను పొందడం. SAP ఈ రకంగా చేయగలిగితే
స్విచ్ అలా చేసిన మొదటి కంపెనీ అవుతుంది.
సంక్షిప్తంగా, ఒక సంస్థ ఎంచుకోవాలా అనేది ప్రశ్నార్థకం
యొక్క సరఫరాదారుగా SAP డేటా గిడ్డంగి. చాలా తీవ్రమైన ప్రమాదాలు ఉన్నాయి
ఒక వైపు మరియు మరోవైపు చాలా తక్కువ రివార్డులు. కానీ మరొకటి ఉంది
డేటా సరఫరాదారుగా SAP ఎంపికను నిరుత్సాహపరిచే కారణం
గిడ్డంగి. ఎందుకంటే ప్రతి కంపెనీకి ఒకే తేదీ ఉండాలి
అన్ని ఇతర కంపెనీల గిడ్డంగి? ది డేటా గిడ్డంగి అది హృదయం
పోటీ ప్రయోజనం. ప్రతి కంపెనీ అదే దత్తత తీసుకుంటే
డేటా గిడ్డంగి అసాధ్యం కానప్పటికీ అది కష్టంగా ఉంటుంది
పోటీ ప్రయోజనాన్ని సాధించండి. SAP ఒక అని భావిస్తున్నట్లు తెలుస్తోంది
డేటా గిడ్డంగి బిస్కెట్‌గా చూడవచ్చు మరియు అది a
వారి “డేటా పొందండి
లో".
SAP వలె మరే ఇతర ERP విక్రేతలు ఆధిపత్యం వహించరు.
నిస్సందేహంగా SAP మార్గంలో వెళ్ళే కంపెనీలు ఉంటాయి
వారి కోసం డేటా గిడ్డంగి కానీ బహుశా ఈ తేదీలు
SAP గిడ్డంగులు పెద్దవి, ఖరీదైనవి మరియు చాలా అవసరం
వారి సృష్టికి సమయం.
ఈ పరిసరాలలో బ్యాంక్ టెల్లర్ ప్రాసెసింగ్ వంటి కార్యకలాపాలు ఉన్నాయి,
ఎయిర్‌లైన్ రిజర్వేషన్ ప్రక్రియలు, ఫిర్యాదుల ప్రక్రియలు
భీమా, మరియు మొదలైనవి. లావాదేవీ వ్యవస్థ మరింత సమర్థవంతంగా ఉంది,
కార్యాచరణ మరియు ప్రక్రియ మధ్య విభజన అవసరం మరింత స్పష్టంగా ఉంది
DSS (నిర్ణయ మద్దతు వ్యవస్థ). అయితే, వనరుల వ్యవస్థలతో
మానవ మరియు వ్యక్తిగత, ఒక పెద్ద వాల్యూమ్లను ఎప్పుడూ ఎదుర్కొంటుంది
లావాదేవీలు. మరియు, వాస్తవానికి, ఒక వ్యక్తిని నియమించినప్పుడు
లేదా కంపెనీని వదిలివేయండి ఇది లావాదేవీకి సంబంధించిన రికార్డు.
కానీ ఇతర వ్యవస్థలకు సంబంధించి, HR వ్యవస్థలు మరియు
వ్యక్తిగతంగా చాలా లావాదేవీలు ఉండవు. అందువలన, లో
మానవ వనరులు మరియు సిబ్బంది వ్యవస్థలు ఉన్నాయని పూర్తిగా స్పష్టంగా లేదు
డేటా వేర్‌హౌస్ అవసరం. అనేక విధాలుగా ఈ వ్యవస్థలు
DSS వ్యవస్థల ఏకీకరణను సూచిస్తుంది.
అయితే మీరు తప్పక పరిగణించవలసిన మరొక అంశం ఉంది
డేటావేర్‌హౌస్‌తో మరియు పీపుల్‌సాఫ్ట్‌తో చేయండి. అనేక సర్కిల్‌లలో, i డటి
HR మరియు వ్యక్తిగత వనరులు వ్యాపారానికి ద్వితీయమైనవి
కంపెనీ అధిపతి. చాలా కంపెనీలు పని చేస్తున్నాయి
తయారీ, అమ్మకం, సేవలు అందించడం మొదలైనవి. ది
HR మరియు సిబ్బంది వ్యవస్థలు సాధారణంగా ద్వితీయమైనవి (లేదా
మద్దతు) కంపెనీ యొక్క ప్రధాన వ్యాపార శ్రేణికి. అందువలన, ఇది
వివాదాస్పద మరియు అసౌకర్యంగా a డేటా గిడ్డంగి కోసం వేరు
మానవ మరియు వ్యక్తిగత వనరులకు మద్దతు.
పీపుల్‌సాఫ్ట్ ఈ విషయంలో SAPకి చాలా భిన్నంగా ఉంటుంది. SAP తో, ఇది
తప్పనిసరి a డేటా గిడ్డంగి. పీపుల్‌సాఫ్ట్‌తో, అది కాదు
అప్పుడు చాలా స్పష్టంగా. పీపుల్‌సాఫ్ట్‌తో డేటా వేర్‌హౌస్ ఐచ్ఛికం.
కోసం చెప్పగలిగే గొప్పదనం డటి పీపుల్‌సాఫ్ట్ అనేది డేటా
నిల్వ చేయడానికి గిడ్డంగిని ఉపయోగించవచ్చు i డటి సంబంధించిన
పాత మానవ మరియు వ్యక్తిగత వనరులు. దానికి రెండవ కారణం
ఒక కంపెనీ ఉపయోగించాలనుకునేది a డేటా గిడ్డంగి a
పీపుల్‌సాఫ్ట్ పర్యావరణం యొక్క ప్రతికూలత యాక్సెస్‌ను అనుమతించడం మరియు
విశ్లేషణ సాధనాలకు ఉచిత యాక్సెస్, AI డటి పీపుల్‌సాఫ్ట్ ద్వారా. కానీ
ఈ కారణాలతో పాటు, అది చేయకూడదని ఉత్తమమైన సందర్భాలు కూడా ఉండవచ్చు
కోసం డేటా గిడ్డంగిని కలిగి ఉండండి డటి పీపుల్‌సాఫ్ట్.
క్లుప్తంగా
డేటా నిర్మాణానికి సంబంధించి అనేక ఆలోచనలు ఉన్నాయి
ERP సాఫ్ట్‌వేర్‌లోని గిడ్డంగి.
వీటిలో కొన్ని:
▪ ఇది ఒక కలిగి అర్ధమే డేటా గిడ్డంగి ఇది ఏదైనా కనిపిస్తుంది
మరి ఇండస్ట్రీలో?
▪ ERP ఎంత అనువైనది డేటా గిడ్డంగి సాఫ్ట్‌వేర్?
▪ ఒక ERP డేటా గిడ్డంగి సాఫ్ట్‌వేర్ వాల్యూమ్‌ను నిర్వహించగలదు
డటి ఇది a లో ఉందిడేటా గిడ్డంగి అరేనా"?
▪ ERP విక్రేత చేసే ట్రేస్ లాగింగ్ ఏమిటి
సులభమైన మరియు చవకైన, సమయం తీసుకునే, AI ఎదుర్కొంటుంది డటి? (ఏమిటి
అనేది చవకైన డెలివరీపై ERP విక్రేతల ట్రాక్ రికార్డ్, ఆన్
సమయం, డేటాను యాక్సెస్ చేయడం సులభం?)
▪ DSS ఆర్కిటెక్చర్ యొక్క అవగాహన ఏమిటి మరియు
ERP వెండర్ ద్వారా "కార్పొరేట్ ఇన్ఫర్మేషన్ ఫ్యాక్టరీ"?
▪ ERP విక్రేతలు ఎలా పొందాలో అర్థం చేసుకుంటారు డటి లోపలి
పర్యావరణం, కానీ వాటిని ఎలా ఎగుమతి చేయాలో కూడా అర్థం చేసుకున్నారా?
▪ డేటా టూల్స్‌కు ERP యొక్క విక్రేత ఎంత ఓపెన్‌గా ఉన్నారు
గిడ్డంగులా?
నిర్ణయించేటప్పుడు ఈ పరిశీలనలన్నీ తప్పనిసరిగా చేయాలి
ఎక్కడ ఉంచాలి డేటా గిడ్డంగి నేను హోస్ట్ చేస్తుంది డటి ERP మరియు ఇతరులు
డటి. సాధారణంగా, బలవంతపు కారణం ఉంటే తప్ప
లేకపోతే చేయడానికి, అది నిర్మించడానికి మద్దతిస్తుంది డేటా గిడ్డంగి బయటకు
ERP విక్రేత పర్యావరణం నుండి.
కాపిటోలో 1
BI సంస్థ యొక్క అవలోకనం
ప్రధానాంశాలు:
సమాచార రిపోజిటరీలు వ్యతిరేక మార్గంలో పనిచేస్తాయి
బిజినెస్ ఇంటెలిజెన్స్ (BI) ఆర్కిటెక్చర్:
కార్పొరేట్ సంస్కృతి మరియు IT విజయాన్ని పరిమితం చేయగలవు
BI సంస్థలను నిర్మించడం.
BI సంస్థలకు సాంకేతికత పరిమిత కారకం కాదు. ది
వాస్తుశిల్పులు మరియు ప్రాజెక్ట్ ప్లానర్‌ల సమస్య అనేది కాదు
సాంకేతికత ఉంది, కానీ వారు సమర్థవంతంగా అమలు చేయగలిగితే
అందుబాటులో ఉన్న సాంకేతికత.
చాలా కంపెనీలకు ఎ డేటా గిడ్డంగి అది డిపాజిట్ కంటే కొంచెం ఎక్కువ
నేను పంపిణీ చేసే నిష్క్రియ డటి అవసరమైన వినియోగదారులకు. ది డటి
అవి మూల వ్యవస్థల నుండి సంగ్రహించబడతాయి మరియు లక్ష్య నిర్మాణాలుగా ఉంటాయి
di డేటా గిడ్డంగి. నేను డటి వాటిని మొత్తంతో కూడా శుభ్రం చేయవచ్చు
అదృష్టం. అయితే అదనపు విలువ కూడా జోడించబడదు
ద్వారా సేకరించబడింది డటి ఈ ప్రక్రియ సమయంలో.
ముఖ్యంగా, నిష్క్రియ Dw, ఉత్తమంగా అందిస్తుంది
నేను మాత్రమే డటి వినియోగదారు సంఘాలకు శుభ్రంగా మరియు కార్యాచరణ. అక్కడ
సమాచార సృష్టి మరియు విశ్లేషణాత్మక అవగాహన ఆధారపడి ఉంటుంది
పూర్తిగా వినియోగదారుల ద్వారా. DW అని నిర్ణయించడం (డేటా గిడ్డంగి) ఉంది
విజయం ఆత్మాశ్రయమైనది. మేము విజయాన్ని అంచనా వేస్తే
సమర్ధవంతంగా సేకరించడం, సమగ్రపరచడం మరియు శుభ్రపరచడం i డటి
ఊహాజనిత ప్రాతిపదికన కార్పొరేట్, అప్పుడు అవును, DW విజయవంతమైంది.
మరోవైపు, మేము సేకరణ, కన్సాలిడేషన్ మరియు lo చూస్తే
మొత్తం సంస్థ సమాచార దోపిడీ, అప్పుడు
DW ఒక వైఫల్యం. ఒక DW తక్కువ లేదా ఎటువంటి విలువను అందిస్తుంది
సమాచారం. ఫలితంగా, వినియోగదారులు చేయవలసి వస్తుంది,
తద్వారా సమాచారం యొక్క గోతులు సృష్టించబడతాయి. ఈ అధ్యాయం అందిస్తుంది
BI(బిజినెస్) నిర్మాణాన్ని తిరిగి పొందేందుకు ఒక సమగ్ర వీక్షణ
ఇంటెలిజెన్స్) కంపెనీల. BI యొక్క వివరణతో ప్రారంభిద్దాం మరియు
అప్పుడు మేము డిజైన్ మరియు దాని గురించి చర్చలకు వెళ్తాము
సమాచారాన్ని అభివృద్ధి చేయడం, కేవలం i అందించడానికి విరుద్ధంగా డటి
వినియోగదారులకు. అనే లెక్కలపైనే చర్చలు జరుగుతున్నాయి
మీ BI ప్రయత్నాల విలువ. IBM ఎలా నిర్వచించడం ద్వారా మేము ముగించాము
మీ సంస్థ యొక్క BI ఆర్కిటెక్చరల్ అవసరాలను గుర్తుచేస్తుంది.
యొక్క ఆర్కిటెక్చర్ వివరణ
BI సంస్థ
శక్తివంతమైన లావాదేవీ-ఆధారిత సమాచార వ్యవస్థలు ఇప్పుడు ఉన్నాయి
ప్రతి పెద్ద సంస్థలో ఎజెండాలో, వారు సమం చేస్తారు
ప్రపంచంలోని కార్పోరేషన్‌లకు సమర్ధవంతంగా ప్లే ఫీల్డ్.
అయితే, పోటీగా మిగిలిపోవడానికి ఇప్పుడు సిస్టమ్‌లు విశ్లేషణాత్మకంగా అవసరం
edని తిరిగి కనుగొనడం ద్వారా కంపెనీ సామర్థ్యాన్ని విప్లవాత్మకంగా మార్చవచ్చు
వారి వద్ద ఇప్పటికే ఉన్న సమాచారాన్ని ఉపయోగించడం. ఈ వ్యవస్థలు
యొక్క సంపద నుండి అవగాహన నుండి విశ్లేషణాత్మకమైనది డటి
అందుబాటులో. BI మొత్తం సమాచారం అంతటా పనితీరును మెరుగుపరుస్తుంది
సంస్థ యొక్క. వ్యాపారాలు కస్టమర్-టు-కస్టమర్ సంబంధాలను మెరుగుపరుస్తాయి
సరఫరాదారులు, ఉత్పత్తులు మరియు సేవల లాభాలను మెరుగుపరచడం, ఉత్పత్తి చేయడం
కొత్త మరియు ఉత్తమ ఆఫర్‌లు, రిస్క్‌ని తనిఖీ చేయడం మరియు అనేక ఇతర వాటితో పాటు
ఆదాయాలు ఖర్చులను నాటకీయంగా తగ్గించాయి. BI మీదే
కంపెనీ చివరకు కస్టమర్ సమాచారాన్ని ఉపయోగించడం ప్రారంభించింది
లక్ష్యాలను కలిగి ఉన్న అప్లికేషన్‌లకు ధన్యవాదాలు పోటీ ఆస్తిగా
సంత.
వ్యాపారానికి సరైన మార్గాలను కలిగి ఉండటం అంటే ఖచ్చితమైన సమాధానాలను కలిగి ఉండటం
వంటి కీలక ప్రశ్నలు:
▪ మనలో ఏది వినియోగదారులు అవి మనకు ఎక్కువ సంపాదించేలా చేస్తాయి, లేదా అక్కడ
వారు ఓడిపోతారా?
▪ మా ఉత్తమ వ్యక్తులు ఎక్కడ నివసిస్తున్నారు వినియోగదారులు సంబంధించి షాప్/
వారు తరచుగా గిడ్డంగి?
▪ మా ఉత్పత్తులు మరియు సేవలలో ఏది ఎక్కువగా విక్రయించబడవచ్చు
సమర్థవంతంగా మరియు ఎవరికి?
▪ ఏ ఉత్పత్తులను అత్యంత ప్రభావవంతంగా విక్రయించవచ్చు మరియు ఎవరికి?
▪ ఏ విక్రయాల ప్రచారం మరింత విజయవంతమైంది మరియు ఎందుకు?
▪ ఏ ఉత్పత్తులకు ఏ విక్రయ ఛానెల్‌లు అత్యంత ప్రభావవంతంగా ఉంటాయి?
▪ మనం ఉత్తమమైన వారితో సంబంధాలను ఎలా మెరుగుపరుచుకోవచ్చు వినియోగదారులు?
చాలా కంపెనీలు ఉన్నాయి డటి సమాధానం చెప్పడానికి కఠినమైనది
ఈ ప్రశ్నలు.
కార్యాచరణ వ్యవస్థలు పెద్ద మొత్తంలో ఉత్పత్తిని ఉత్పత్తి చేస్తాయి
కస్టమర్ మరియు డటి విక్రయ కేంద్రాల నుండి, రిజర్వేషన్ల నుండి మార్కెట్,
కస్టమర్ సేవ మరియు సాంకేతిక మద్దతు వ్యవస్థల నుండి. అనేది సవాలు
ఈ సమాచారాన్ని సంగ్రహించి, దోపిడీ చేయండి.
చాలా కంపెనీలు వాటి యొక్క చిన్న భిన్నాల నుండి మాత్రమే లాభపడతాయి డటి
వ్యూహాత్మక విశ్లేషణల కోసం.
I డటి మిగిలినవి, తరచుగా iతో కలిపి ఉంటాయి డటి i వంటి బాహ్య వనరులను పొందడం
"ప్రభుత్వ నివేదికలు" మరియు ఇతర కొనుగోలు సమాచారం ఒకటి
బంగారు గని అన్వేషించడానికి వేచి ఉంది, ei డటి తప్పక
మీ యొక్క సమాచార సందర్భంలో మాత్రమే శుద్ధి చేయబడుతుంది
సంస్థ.
ఈ జ్ఞానాన్ని వివిధ మార్గాల్లో, వైవిధ్యాలలో అన్వయించవచ్చు
మొత్తం కార్పొరేట్ వ్యూహాన్ని రూపొందించడం నుండి
కాల్ సెంటర్ల ద్వారా సరఫరాదారులతో వ్యక్తిగత కమ్యూనికేషన్,
ఇన్వాయిస్, ఇంటర్నెట్ మరియు ఇతర పాయింట్లు. నేటి వ్యాపార వాతావరణం నిర్దేశిస్తుంది
DW మరియు సంబంధిత BI పరిష్కారాలు మరింత అభివృద్ధి చెందుతాయి
యొక్క సాంప్రదాయ నిర్మాణాల అమలు డటి నేను వంటి డటి సాధారణీకరించబడింది
అణు-స్థాయి మరియు "నక్షత్రం/క్యూబ్ ఫామ్స్".
పోటీగా ఉండేందుకు కావాల్సింది విలీనం
మద్దతునిచ్చే ప్రయత్నంలో సాంప్రదాయ మరియు అధునాతన సాంకేతికతలు a
విస్తారమైన విశ్లేషణాత్మక ప్రకృతి దృశ్యం.
చివరగా, సాధారణ పర్యావరణం జ్ఞానాన్ని మెరుగుపరచాలి
మొత్తం సంస్థ యొక్క, తీసుకున్న చర్యలను నిర్ధారిస్తుంది
నిర్వహించిన విశ్లేషణల పర్యవసానంగా అవి అందరికీ ఉపయోగపడతాయి
ప్రయోజనం.
ఉదాహరణకు, మీరు మీ స్వంతంగా ర్యాంక్ ఇచ్చారని అనుకుందాం వినియోగదారులు వర్గాల్లో
అధిక లేదా తక్కువ ప్రమాదం.
ఈ సమాచారం మైనింగ్ మోడల్ ద్వారా రూపొందించబడిందా లేదా
ఇతర మార్గాలలో, దీనిని తప్పనిసరిగా Dwలో ఉంచాలి మరియు అందుబాటులో ఉండేలా చేయాలి
ఎవరైనా, i వంటి ఏదైనా యాక్సెస్ మార్గాల ద్వారా
స్టాటిక్ నివేదికలు, స్ప్రెడ్‌షీట్‌లు, పట్టికలు లేదా విశ్లేషణాత్మక ప్రాసెసింగ్
లైన్ (OLAP).
అయితే, ప్రస్తుతం ఈ రకమైన సమాచారం చాలా ఉంది
అవి గోతుల్లోనే ఉంటాయి డటి వారు రూపొందించే వ్యక్తులు లేదా విభాగాలు
విశ్లేషణ. సంస్థ మొత్తానికి దృశ్యమానత తక్కువగా ఉంటుంది లేదా కనిపించదు
అవగాహన కోసం. ఈ రకమైన కంటెంట్‌ని కలపడం ద్వారా మాత్రమే
మీ సంస్థలోని సమాచారం dw మీరు గోతులను తొలగించవచ్చు
సమాచారం మరియు మీ Dw వాతావరణాన్ని మెరుగుపరచండి.
సంస్థ అభివృద్ధికి రెండు ప్రధాన అడ్డంకులు ఉన్నాయి
BI యొక్క.
మొదట, మాకు సంస్థ యొక్క సమస్య ఉంది
సంబంధిత క్రమశిక్షణ.
విధాన మార్పులతో మేము సహాయం చేయలేకపోయినా
సంస్థ యొక్క భాగాలను అర్థం చేసుకోవడంలో మేము సహాయపడగలము
ఒక BI సంస్థ, దాని నిర్మాణం మరియు ఎలా
IBM సాంకేతికత దాని అభివృద్ధిని సులభతరం చేస్తుంది.
అధిగమించడానికి రెండవ అవరోధం సాంకేతికత లేకపోవడం
ఇంటిగ్రేటెడ్ మరియు మొత్తం స్థలాన్ని పిలిచే పద్ధతి యొక్క జ్ఞానం
BI యొక్క చిన్న భాగం మాత్రమే కాకుండా.
టెక్నాలజీలో వచ్చిన మార్పులకు IBM స్పందిస్తోంది
ఇంటిగ్రేటెడ్. డిజైన్ అందించడం మీ బాధ్యత
స్వీయ చేతన. ఈ నిర్మాణాన్ని అభివృద్ధి చేయాలి
పరిమితులు లేకుండా లేదా కనీసం దానితో అనుసంధానం కోసం ఎంచుకున్న సాంకేతికత
ఓపెన్ స్టాండర్డ్స్‌కు కట్టుబడి ఉండే సాంకేతికత. అలాగే, మీది
కంపెనీ నిర్వహణ తప్పనిసరిగా Bi యొక్క ఎంటర్‌ప్రైజ్ అని నిర్ధారించుకోవాలి
ప్రోగ్రామ్ ప్రకారం నిర్వహించబడింది మరియు దానిని అనుమతించకూడదు
స్వయం సేవ నుండి పొందే సమాచార గోతులు అభివృద్ధి
అజెండాలు, లేదా లక్ష్యాలు.
BI పర్యావరణం సున్నితంగా లేదని దీని అర్థం కాదు
వివిధ వినియోగదారుల యొక్క వివిధ అవసరాలు మరియు అవసరాలకు ప్రతిస్పందించడం; బదులుగా, దాని అర్థం
ఆ వ్యక్తిగత అవసరాలు మరియు అవసరాల అమలు
మొత్తం BI సంస్థ ప్రయోజనం కోసం చేయబడింది.
సంస్థ యొక్క BI ఆర్కిటెక్చర్ యొక్క వివరణ చేయవచ్చు
ఫిగర్ 9లో 1.1వ పేజీలో చూడవచ్చు. వాస్తుశిల్పం చూపిస్తుంది
సాంకేతికతలు మరియు సాంకేతికతల యొక్క గొప్ప మిశ్రమం.
సాంప్రదాయ దృక్కోణం నుండి, వాస్తుశిల్పం క్రింది భాగాలను కలిగి ఉంటుంది
గిడ్డంగి
పరమాణు పొర (అటామిక్ లేయర్).
ఇది మొత్తం Dw యొక్క పునాది మరియు గుండె
వ్యూహాత్మక రిపోర్టింగ్.
I డటి ఇక్కడ నిల్వ చేయబడిన చారిత్రక సమగ్రతను నిలుపుకుంటుంది, నివేదికలు
డటి మరియు ఉత్పన్నమైన మెట్రిక్‌ను చేర్చండి, అలాగే శుభ్రంగా ఉండటం,
మైనింగ్ టెంప్లేట్‌లను ఉపయోగించి ఇంటిగ్రేటెడ్ మరియు నిల్వ చేయబడుతుంది.
వీటి యొక్క అన్ని తదుపరి ఉపయోగం డటి మరియు సంబంధిత సమాచారం
ఈ నిర్మాణం నుండి తీసుకోబడింది. ఇది ఒక అద్భుతమైన మూలం
యొక్క వెలికితీత 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 ప్రత్యేకంగా రూపొందించబడింది
సాంకేతిక నివేదన.
I డటి ఈ నిర్మాణాల పైన నిల్వ చేయబడి, నివేదించవచ్చు
స్టేజింగ్ జోన్ (స్టేజింగ్) ద్వారా గిడ్డంగిలోకి ప్రచారం చేయండి
ప్రాంతం), ఇక్కడ వ్యూహాత్మక సిగ్నలింగ్ కోసం ఉపయోగించవచ్చు.
స్టేజింగ్ ప్రాంతం.
చాలా మందికి మొదటి స్టాప్ డటి యొక్క పర్యావరణం కోసం ఉద్దేశించబడింది
గిడ్డంగి సంస్థ జోన్.
ఇక్కడ నేను డటి సమగ్రపరచబడి, శుభ్రపరచబడి, రూపాంతరం చెందుతాయి డటి ఉపయోగకరమైనది
వారు గిడ్డంగి నిర్మాణాన్ని నింపుతారు
తేదీ మార్ట్స్.
ఆర్కిటెక్చర్ యొక్క ఈ భాగం నిర్మాణాన్ని సూచిస్తుంది డటి ఉపయోగించబడిన
ప్రత్యేకంగా OLAP కోసం. డేటామార్ట్‌ల ఉనికి, ఐతే డటి నిద్ర
అవి అతివ్యాప్తి చేసిన స్టార్ స్కీమాలలో నిల్వ చేయబడతాయి డటి
రిలేషనల్ వాతావరణంలో లేదా క్యాబినెట్‌లను దాఖలు చేయడంలో బహుమితీయమైనది
di డటి వంటి నిర్దిష్ట OLAP సాంకేతికత ద్వారా యాజమాన్యం ఉపయోగించబడుతుంది
DB2 OLAP సర్వర్, ఇది సంబంధితమైనది కాదు.
వాస్తు వినియోగాన్ని సులభతరం చేయడం మాత్రమే పరిమితి డటి
బహుమితీయ.
నిర్మాణంలో క్లిష్టమైన ద్వి సాంకేతికతలు మరియు సాంకేతికతలు కూడా ఉన్నాయి
ఇవి వేరు చేయబడ్డాయి:
ప్రాదేశిక విశ్లేషణ
స్పేస్ అనేది విశ్లేషకులకు ఒక సమాచార విండ్‌ఫాల్ మరియు
పూర్తి పరిష్కారం కోసం ఇది కీలకం. స్పేస్ చెయ్యవచ్చు
నిర్దిష్ట ప్రాంతంలో నివసించే వ్యక్తుల సమాచారాన్ని సూచిస్తుంది
స్థానం, అలాగే ఆ స్థానం ఎక్కడ ఉందో సమాచారం
భౌతికంగా మిగతా ప్రపంచంతో పోలిస్తే.
ఈ విశ్లేషణను నిర్వహించడానికి, మీరు మీది వేయడం ద్వారా ప్రారంభించాలి
అక్షాంశం మరియు రేఖాంశ సమన్వయ సమాచారం. అంటే ఏమిటి
"జియోకోడింగ్"గా సూచిస్తారు మరియు తప్పనిసరిగా వెలికితీతలో భాగంగా ఉండాలి,
పరివర్తన, మరియు లోడ్ ప్రక్రియ (ETL) స్థాయికి
మీ గిడ్డంగి యొక్క పరమాణు సంఖ్య.
డేటా మైనింగ్.
యొక్క వెలికితీత డటి మా కంపెనీలను వృద్ధి చేయడానికి అనుమతిస్తుంది
సంఖ్యా డి వినియోగదారులు, అమ్మకాల పోకడలను అంచనా వేయడానికి మరియు ఎనేబుల్ చేయడానికి
తో సంబంధాల నిర్వహణ వినియోగదారులు (CRM), యొక్క ఇతర కార్యక్రమాలలో
BI
యొక్క వెలికితీత డటి కనుక ఇది నిర్మాణాలతో ఏకీకృతం చేయబడాలి
డటి Dwhouse యొక్క మరియు గిడ్డంగి ప్రక్రియల మద్దతు
సాంకేతికత యొక్క ప్రభావవంతమైన మరియు సమర్థవంతమైన ఉపయోగం రెండింటినీ నిర్ధారించడం మరియు
సంబంధిత పద్ధతులు.
BI ఆర్కిటెక్చర్‌లో సూచించినట్లుగా, పరమాణు స్థాయి
Dwhouse, డేటామార్ట్‌ల వలె, అద్భుతమైన మూలం డటి
వెలికితీత కోసం. అదే నిర్మాణాలు కూడా ఉండాలి
లభ్యతను నిర్ధారించడానికి వెలికితీత ఫలితాల గ్రహీతలు
అత్యధిక ప్రేక్షకులు (విస్తృత ప్రేక్షకులు).
ఏజెంట్లు.
కస్టమర్‌ను ఏ పాయింట్ కోసం అయినా పరీక్షించడానికి వివిధ "ఏజెంట్‌లు" ఉన్నారు, i
కంపెనీ ఆపరేటింగ్ సిస్టమ్స్ మరియు dw స్వయంగా. ఈ ఏజెంట్లు చేయగలరు
గురించి తెలుసుకోవడానికి శిక్షణ పొందిన అధునాతన న్యూరల్ నెట్‌వర్క్‌లు
భవిష్యత్ ఉత్పత్తి డిమాండ్ ఆధారంగా ప్రతి పాయింట్ యొక్క పోకడలు
అమ్మకాల ప్రమోషన్‌లపై, ప్రతిస్పందించడానికి నియమాల ఆధారిత ఇంజిన్‌లు
un తేదీ పరిస్థితుల సమితి, లేదా సాధారణ ఏజెంట్లు కూడా
వారు "అత్యున్నత కార్యనిర్వాహకులకు" మినహాయింపులను ఎత్తి చూపారు. ఈ ప్రక్రియలు అవును
సాధారణంగా నిజ సమయంలో ఉంటుంది మరియు, కాబట్టి, తప్పక
వారి కదలికతో దగ్గరగా ఉంటుంది డటి.
ఈ నిర్మాణాలన్నీ డటి, సాంకేతికతలు మరియు పద్ధతులు హామీ
మీరు ఒక సంస్థను రూపొందించడానికి రాత్రి గడపలేరు
మీ BI.
ఈ కార్యకలాపం చిన్నవాటి కోసం పెరుగుతున్న దశల్లో అభివృద్ధి చేయబడుతుంది
పాయింట్లు.
ప్రతి దశ ఒక స్వతంత్ర ప్రాజెక్ట్ ప్రయత్నం, మరియు నివేదించబడింది
మీ dw లేదా BI చొరవలో పునరావృతం. పునరావృత్తులు
కొత్త టెక్నాలజీల అమలును కలిగి ఉండవచ్చు
యొక్క కొత్త నిర్మాణాలను జోడించడం ద్వారా కొత్త సాంకేతికతలతో ప్రారంభించండి డటి ,
లోడ్ అవుతోంది i డటి అనుబంధ , లేదా విశ్లేషణ విస్తరణతో
మీ పర్యావరణం. ఈ పేరా మరింత చర్చించబడింది
అధ్యాయం 3 లో వివరంగా.
Dw మరియు Bi టూల్స్ యొక్క సాంప్రదాయ నిర్మాణాలతో పాటు మరికొన్ని ఉన్నాయి
మీరు చెల్లించాల్సిన మీ BI సంస్థ యొక్క విధులు
డిజైన్, వంటి:
కస్టమర్ టచ్ పాయింట్లు (కస్టమర్ టచ్
పాయింట్లు).
అన్ని ఆధునిక సంస్థల మాదిరిగానే అనేకం ఉన్నాయి
అనుభవాన్ని ఎలా పొందాలో సూచించే కస్టమర్ టచ్ పాయింట్లు
మీ కోసం సానుకూలమైనది వినియోగదారులు. i వంటి సాంప్రదాయ ఛానెల్‌లు ఉన్నాయి
వ్యాపారులు, స్విచ్‌బోర్డ్ ఆపరేటర్లు, డైరెక్ట్ మెయిల్, మల్టీమీడియా మరియు ప్రింట్
ప్రకటనలు, అలాగే ఇమెయిల్ మరియు వెబ్ వంటి అత్యంత ప్రస్తుత ఛానెల్‌లు, i డటి
ఏదైనా పరిచయం ఉన్న ఉత్పత్తులను తప్పనిసరిగా కొనుగోలు చేయాలి,
రవాణా చేయబడింది, శుభ్రం చేయబడింది, రూపాంతరం చెందుతుంది మరియు తరువాత నిర్మాణాలలో జనాభా చేయబడింది డటి డెల్లా
BI
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 ఉంది
నిద్ర డటి సాంప్రదాయకమైన దానిని తప్పనిసరిగా కలిసి మరియు విలీనం చేయాలి డటి che
అవసరమైన వాటిని నెరవేర్చడానికి అవి టచ్ పాయింట్ల నుండి ప్రవహిస్తాయి
సమాచారం.
విశ్లేషకులు. (విశ్లేషకులు)
BI పర్యావరణం యొక్క ప్రాథమిక లబ్ధిదారుడు విశ్లేషకుడు. అతడే
యొక్క ప్రస్తుత వెలికితీత నుండి ప్రయోజనాలు డటి కార్యాచరణ, ఏకీకృతం
వివిధ మూలాల డటి , విశ్లేషణలు వంటి లక్షణాలతో వృద్ధి చెందింది
భౌగోళిక (జియోకోడింగ్) మరియు BI సాంకేతికతలలో ప్రదర్శించబడింది
మైనింగ్, OLAP, అధునాతన SQL రిపోర్టింగ్ మరియు విశ్లేషణ కోసం అనుమతిస్తాయి
భౌగోళిక. పర్యావరణానికి విశ్లేషకుల ప్రాథమిక ఇంటర్‌ఫేస్
రిపోర్టింగ్ అనేది BI పోర్టల్.
అయితే, ఆర్కిటెక్చర్ నుండి ప్రయోజనం పొందేది విశ్లేషకుడు మాత్రమే కాదు
BI
కార్యనిర్వాహకులు, పెద్ద వినియోగదారు సంఘాలు మరియు సభ్యులు, సరఫరాదారులు మరియు i
వినియోగదారులు ఎంటర్‌ప్రైజ్ BIలో ప్రయోజనాలను కనుగొనాలి.
బ్యాక్ ఫీడ్ లూప్.
BI ఆర్కిటెక్చర్ అనేది నేర్చుకునే వాతావరణం. ఒక సూత్రం
యొక్క స్థిరమైన నిర్మాణాలను అనుమతించడం అభివృద్ధి లక్షణం డటి
ఉపయోగించిన BI సాంకేతికత మరియు చర్యల ద్వారా నవీకరించబడాలి
వినియోగదారు సంస్థలు. యొక్క మూల్యాంకనం ఒక ఉదాహరణ
కస్టమర్ (కస్టమర్ స్కోరింగ్).
సేల్స్ డిపార్ట్‌మెంట్ మైనింగ్ మోడల్‌ను నిర్వహిస్తే
కొత్త సేవను ఎలా ఉపయోగించాలో కస్టమర్ యొక్క స్కోర్‌లు, ఆపై
విక్రయ విభాగం మాత్రమే లబ్ధిదారుల సమూహంగా ఉండకూడదు
సేవ యొక్క.
బదులుగా, మైనింగ్ మోడల్ భాగంగా ప్రదర్శించారు చేయాలి
కంపెనీలోని డేటా ప్రవాహం యొక్క స్వభావం మరియు కస్టమర్ యొక్క స్కోర్‌లు
యొక్క సమాచార వాతావరణంలో ఒక సమగ్ర భాగం కావాలి
గిడ్డంగి, వినియోగదారులందరికీ కనిపిస్తుంది. Bi-bI-సెంట్రిక్ IBM సూట్
DB2 UDB, DB2 OLAP సర్వర్‌తో సహా చాలా వరకు ఉన్నాయి
సాంకేతికత యొక్క ముఖ్యమైన భాగాలలో భాగం, చిత్రంలో నిర్వచించబడింది
<span style="font-family: arial; ">10</span>
ఈ పుస్తక చిత్రంలో కనిపించే విధంగా మేము నిర్మాణాన్ని ఉపయోగిస్తాము
మాకు కొనసాగింపు స్థాయిని అందించండి మరియు ప్రతి ఉత్పత్తి ఎలా ఉంటుందో ప్రదర్శించండి
IBM యొక్క సాధారణ నమూనా BIకి సరిపోతుంది.
సమాచార కంటెంట్‌ను అందించడం (అందించడం
సమాచార కంటెంట్)
మీ BI వాతావరణాన్ని రూపొందించండి, అభివృద్ధి చేయండి మరియు అమలు చేయండి
ఒక కష్టమైన పని. డిజైన్ తప్పనిసరిగా రెండింటినీ స్వీకరించాలి
ప్రస్తుత మరియు భవిష్యత్తు వ్యాపార అవసరాలు. నిర్మాణ రూపకల్పన
కనుగొనబడిన అన్ని తీర్మానాలను చేర్చడానికి పూర్తిగా ఉండాలి
డిజైన్ దశలో. అమలు తప్పక ఉంటుంది
ఒకే ప్రయోజనం కోసం కట్టుబడి ఉంది: BI యొక్క నిర్మాణాన్ని అభివృద్ధి చేయడానికి
లాంఛనప్రాయంగా డ్రాయింగ్‌లో ప్రదర్శించబడింది మరియు అవసరాల ఆధారంగా
వ్యాపార.
క్రమశిక్షణ హామీ ఇస్తుందని వాదించడం చాలా కష్టం
సాపేక్ష విజయం.
మీరు అందరికీ BI వాతావరణాన్ని నిర్మించనందున ఇది చాలా సులభం
అకస్మాత్తుగా, కానీ అది కాలక్రమేణా చిన్న దశల్లో జరుగుతుంది.
అయితే, మీ ఆర్కిటెక్చర్ యొక్క BI భాగాలను గుర్తించడం
రెండు కారణాల వల్ల ముఖ్యమైనది: మీరు అన్ని తదుపరి నిర్ణయాలకు మార్గనిర్దేశం చేస్తారు
నిర్మాణ పద్ధతులు.
మీరు సాంకేతికత యొక్క నిర్దిష్ట ఉపయోగాన్ని స్పృహతో రూపొందించగలరు
మీరు దానిని పునరావృతం చేయనప్పటికీ
చాలా నెలలు సాంకేతికత.
మీ వ్యాపార అవసరాలను తగినంతగా అర్థం చేసుకోవడం రకాన్ని ప్రభావితం చేస్తుంది
మీ ఆర్కిటెక్చర్ కోసం మీరు పొందే ఉత్పత్తులను.
మీ ఆర్కిటెక్చర్ యొక్క ప్రణాళిక మరియు అభివృద్ధి నిర్ధారిస్తుంది
మీ గిడ్డంగి అని
యాదృచ్ఛిక సంఘటన కాదు, "బాగా ఆలోచించిన",
జాగ్రత్తగా రూపొందించిన ప్రకటన ఒపేరా యొక్క మొజాయిక్ వంటి కళ
మిళిత సాంకేతికత.
డిజైన్ సమాచార కంటెంట్
అన్ని ప్రారంభ రూపకల్పన తప్పనిసరిగా దృష్టి పెట్టాలి మరియు గుర్తించాలి
మీ పర్యావరణానికి అవసరమైన ప్రధాన BI భాగాలు
ప్రస్తుత మరియు భవిష్యత్తులో సాధారణ.
వ్యాపార అవసరాలు తెలుసుకోవడం ముఖ్యం.
అన్ని అధికారిక ప్రణాళికలు ప్రారంభం కావడానికి ముందే, ది
ప్రాజెక్ట్ ప్లానర్ తరచుగా ఒకటి లేదా ఇద్దరిని గుర్తించవచ్చు
వెంటనే భాగం.
కోసం అవసరమైన భాగాల బ్యాలెన్స్
అయితే, మీ నిర్మాణం సులభంగా కనుగొనబడదు.
డిజైన్ దశలో, ఆర్కిటెక్చర్ యొక్క ప్రధాన భాగం
అన్వేషణలో అప్లికేషన్ డెవలప్‌మెంట్ సెషన్ (JAD)ని బైండ్ చేస్తుంది
వ్యాపార అవసరాలను గుర్తించడానికి.
కొన్నిసార్లు ఈ అవసరాలు సాధనాలకు అవుట్సోర్స్ చేయబడవచ్చు
ప్రశ్నలు మరియు రిపోర్టింగ్.
ఉదాహరణకు, వినియోగదారులు వారు ఆటోమేట్ చేయాలనుకుంటే
ప్రస్తుతం ఒక నివేదిక మాన్యువల్‌గా ఇంటిగ్రేటింగ్‌ని రూపొందించాలి
రెండు ప్రస్తుత నిష్పత్తులు మరియు దాని నుండి పొందిన గణనలను జోడించడం
కలయిక డటి.
ఈ అవసరం చాలా సులభం అయితే, ఇది ఒక నిర్దిష్టమైనదాన్ని నిర్వచిస్తుంది
మీరు ఎప్పుడు చేర్చవలసిన ఫీచర్ యొక్క కార్యాచరణ
సంస్థ కోసం రిపోర్టింగ్ సాధనాలను కొనుగోలు చేయండి.
డిజైనర్ అదనపు అవసరాలను కూడా కొనసాగించాలి
పూర్తి చిత్రాన్ని పొందండి. వినియోగదారులు సభ్యత్వం పొందాలనుకుంటున్నారు
ఈ నివేదిక?
నివేదిక యొక్క ఉపసమితులు రూపొందించబడ్డాయి మరియు వివిధ వ్యక్తులకు ఇమెయిల్ ద్వారా పంపబడతాయి
వినియోగదారులు? కంపెనీ పోర్టల్‌లో ఈ నివేదికను చూడాలనుకుంటున్నారా?
ఈ అవసరాలన్నీ సాధారణ అవసరంలో భాగం
వినియోగదారులు కోరిన విధంగా మాన్యువల్ నివేదికను భర్తీ చేయండి. ప్రయోజనం
ఈ రకమైన అవసరాలు ప్రతి ఒక్కరూ, వినియోగదారులు మరియు డెవలపర్లు కలిగి ఉంటాయి
నివేదికల భావనపై అవగాహన.
ఇతర రకాల వ్యాపారాలు ఉన్నాయి, అయితే, మనం ప్లాన్ చేసుకోవాలి.
వ్యాపార అవసరాలు రూపంలో పేర్కొనబడినప్పుడు
వ్యాపార వ్యూహాత్మక ప్రశ్నలు, అనుభవజ్ఞుడైన ప్లానర్‌కు ఇది సులభం
డైమెన్షనల్ మరియు కొలత/వాస్తవ అవసరాలను గుర్తించండి.
మూర్తి 1.2 a యొక్క పరిమాణం మరియు డైమెన్షనల్ భాగాలను వివరిస్తుంది
వ్యాపార సమస్య.
JAD వినియోగదారులు తమ అవసరాలను ఎలా ప్రకటించాలో తెలియకపోతే
వ్యాపార సమస్య రూపంలో, డిజైనర్ తరచుగా బట్వాడా చేస్తాడు
డేటా సేకరణ సెషన్‌ను దాటవేయడానికి-ప్రారంభించడానికి ఉదాహరణలు
అవసరాలు.
నిపుణులైన డిజైనర్ వినియోగదారులకు మాత్రమే కాకుండా అర్థం చేసుకోవడంలో సహాయపడగలరు
వ్యూహాత్మక వాణిజ్యం, కానీ దానిని ఎలా ఏర్పాటు చేయాలి.
అవసరాల సేకరణ విధానం అధ్యాయం 3లో చర్చించబడింది; కోసం
ఇప్పుడు మేము అందరికీ రూపకల్పన చేయవలసిన అవసరాన్ని సూచించాలనుకుంటున్నాము
BI అవసరాల రకాలు
వ్యూహాత్మక వ్యాపార సమస్య కేవలం అవసరం కాదు
వ్యాపారం, కానీ డిజైన్ క్లూ కూడా. మీరు సమాధానం చెప్పవలసి వస్తే
బహుమితీయ ప్రశ్నకు, మీరు గుర్తుంచుకోవాలి,
i సమర్పించండి డటి డైమెన్షనల్, మరియు మీరు గుర్తుంచుకోవాల్సిన అవసరం ఉంటే
డటి బహుమితీయ, మీరు ఏ విధమైన సాంకేతికతను నిర్ణయించుకోవాలి లేదా
మీరు ఉపయోగించబోయే సాంకేతికత.
మీరు రిజర్వు చేయబడిన క్యూబ్ స్టార్ స్కీమాను అమలు చేస్తున్నారా లేదా రెండింటినీ అమలు చేస్తున్నారా?
మీరు గమనిస్తే, ఒక సాధారణ వ్యాపార సమస్య కూడా
డిజైన్‌ను గణనీయంగా ప్రభావితం చేయవచ్చు. అయితే
ఈ రకమైన వ్యాపార అవసరాలు సాధారణమైనవి మరియు కనీసం
అనుభవజ్ఞులైన ప్రాజెక్ట్ ప్లానర్లు మరియు డిజైనర్ల ద్వారా.
సాంకేతికతలు మరియు మద్దతు గురించి తగినంత చర్చ జరిగింది
OLAP, మరియు అనేక రకాల పరిష్కారాలు అందుబాటులో ఉన్నాయి. ఇప్పటి వరకు
iతో సరళమైన రిపోర్టింగ్‌ను తీసుకురావాల్సిన అవసరాన్ని మేము ప్రస్తావించాము
వ్యాపార పరిమాణ అవసరాలు మరియు ఈ అవసరాలు ఎలా
సాంకేతిక నిర్మాణ నిర్ణయాలను ప్రభావితం చేస్తుంది.
కానీ తక్షణమే అర్థం కాని అవసరాలు ఏమిటి
వినియోగదారుల ద్వారా లేదా Dw బృందం ద్వారా? మీకు ఎప్పుడైనా విశ్లేషణ అవసరం
ప్రాదేశిక (ప్రాదేశిక విశ్లేషణ)?
యొక్క మైనింగ్ నమూనాలు డటి అవి మీలో అవసరమైన భాగంగా ఉంటాయి
భవిష్యత్తు? ఎవరికీ తెలుసు?
ఈ రకమైన సాంకేతికతలు అంతగా లేవని గమనించడం ముఖ్యం
సాధారణ వినియోగదారు సంఘాలు మరియు బృంద సభ్యులచే తెలుసు
Dw, పాక్షికంగా, ఇది జరగవచ్చు ఎందుకంటే అవి సాధారణంగా
కొంతమంది అంతర్గత లేదా మూడవ పక్ష సాంకేతిక నిపుణులచే నిర్వహించబడతాయి. అది ఒక
ఈ రకమైన సాంకేతికతలు ఉత్పన్నమయ్యే సమస్యల సరిహద్దు రేఖ. నేనే
వినియోగదారులు వ్యాపార అవసరాలను వివరించలేరు లేదా వాటిని ఫ్రేమ్ చేయలేరు
డిజైనర్లకు మార్గదర్శకాలను అందించడానికి, వారు చేయగలరు
గుర్తించబడకుండా లేదా, అధ్వాన్నంగా, విస్మరించబడతారు.
డిజైనర్ మరియు డెవలపర్ విఫలమైనప్పుడు ఇది మరింత సమస్యాత్మకంగా మారుతుంది
వీటిలో అడ్వాన్స్‌డ్ అయితే ఒక దాని అప్లికేషన్‌ను గుర్తించవచ్చు
క్లిష్టమైన సాంకేతికతలు.
డిజైనర్లు చెప్పడం మనం తరచుగా విన్నట్లుగా, “అలాగే, ఎందుకు
మేము ఈ ఇతర విషయం పొందే వరకు దానిని పక్కన పెట్టలేదా?
"వారు ప్రాధాన్యతలపై నిజమైన ఆసక్తిని కలిగి ఉన్నారా లేదా వారు నేను తప్పించుకుంటారా
అవసరాలు వారికి అర్థం కాలేదా? ఇది చాలా మటుకు తరువాతి ఊహ.
మీ సేల్స్ టీమ్ ఒక అవసరాన్ని తెలియజేసిందని అనుకుందాం
వ్యాపారం యొక్క , ఫిగర్ 1.3 లో పేర్కొన్నట్లుగా, మీరు చూడగలిగినట్లుగా, ది
అవసరం వ్యాపార సమస్య రూపంలో రూపొందించబడింది. అక్కడ
ఈ సమస్య మరియు సాధారణ డైమెన్షనల్ సమస్య మధ్య వ్యత్యాసం
దూరం. ఈ సందర్భంలో, సేల్స్ టీమ్ తెలుసుకోవాలనుకుంటుంది,
నెలవారీ ప్రాతిపదికన, ఉత్పత్తులు, గిడ్డంగులు మరియు మొత్తం అమ్మకాలు
వినియోగదారులు వారు గిడ్డంగికి 5 మైళ్ల దూరంలో నివసిస్తున్నారు
వాళ్ళు కొంటారు.
పాపం, డిజైనర్లు లేదా వాస్తుశిల్పులు కేవలం చేయగలరు
"మాకు క్లయింట్ ఉంది, ది
ఉత్పత్తి మరియు i డటి డిపాజిట్ యొక్క. వరకు మేము దూరం ఉంచుతాము
మరొక పునరావృతం.
"తప్పు జవాబు. ఈ రకమైన వ్యాపార సమస్య ఆందోళన కలిగిస్తుంది
పూర్తిగా BI. ఇది లోతైన అవగాహనను సూచిస్తుంది
మా వ్యాపారం మరియు మా విశ్లేషకులకు బలమైన విశ్లేషణాత్మక స్థలం.
BI సాధారణ ప్రశ్నకు లేదా ప్రామాణిక రిపోర్టింగ్‌కు మించినది
OLAP కూడా. ఈ సాంకేతికతలు విఫలమవుతాయని చెప్పలేము
అవి మీ BIకి ముఖ్యమైనవి, కానీ వాటికవే కాదు
BI పర్యావరణం.
సమాచార సందర్భం కోసం డిజైన్
(సమాచార కంటెంట్ కోసం డిజైన్)
ఇప్పుడు మేము ప్రత్యేకమైన వ్యాపార అవసరాలను గుర్తించాము
వివిధ ప్రాథమిక భాగాలు, డిజైన్‌లో తప్పనిసరిగా చేర్చబడాలి
సాధారణ నిర్మాణ. కొన్ని BI భాగాలు భాగం
మా ప్రారంభ ప్రయత్నాలలో కొన్ని అమలు చేయబడవు
అనేక మాసాలు.
అయినప్పటికీ, అన్ని తెలిసిన అవసరాలు డిజైన్‌లో ప్రతిబింబిస్తాయి
మేము ఒక నిర్దిష్ట సాంకేతికతను అమలు చేయవలసి వచ్చినప్పుడు, మనం
దీన్ని చేయడానికి సిద్ధంగా ఉండండి. ప్రాజెక్ట్ గురించి ఏదో ఆలోచనను ప్రతిబింబిస్తుంది
ట్రేడిజియోనలే.
ఉదాహరణకు, అధ్యాయం ప్రారంభంలో ఫిగర్ 1.1, డేటాను చూపుతుంది
i నిర్వహించే మార్ట్ డటి డైమెన్షనల్.
ఈ సెట్ డటి యొక్క తదుపరి ఉపయోగాలకు మద్దతు ఇవ్వడానికి ఉపయోగించబడుతుంది
డటి వ్యాపార సమస్యల ద్వారా డైమెన్షనల్ నడిచేది
మేము గుర్తించాము. అదనపు పత్రాలు ఇలా ఉన్నాయి
రూపకల్పన అభివృద్ధి వంటి ఉత్పత్తి డటి, మేము
నేను ఎలా అధికారికీకరించడం ప్రారంభిస్తాము డటి అవి వాతావరణంలో వ్యాపించాయి.
i ప్రాతినిధ్యం వహించాల్సిన అవసరాన్ని మేము నిర్ధారించాము డటి కాబట్టి
డైమెన్షనల్, వాటిని ఉపవిభజన చేయడం (నిర్దిష్ట అవసరాలకు అనుగుణంగా
నిర్ణయించబడింది) డేటా మార్ట్‌లపై.
వారు ఎలా నిర్మించబడతారు అనేది సమాధానం ఇవ్వాల్సిన తదుపరి ప్రశ్న
ఈ డేటా మార్ట్‌లు?
మీరు క్యూబ్‌లకు మద్దతు ఇచ్చేలా నక్షత్రాలను నిర్మిస్తారా లేదా కేవలం క్యూబ్‌లు లేదా నక్షత్రాలను మాత్రమే నిర్మిస్తారా?
(లేదా కుడి ఘనాలు, లేదా కుడి నక్షత్రాలు). డేటా కోసం ఆర్కిటెక్చర్‌ను రూపొందించండి
అందరికీ అణు పొర అవసరమయ్యే డిపెండెంట్ మార్ట్‌లు 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 విశ్లేషణ కోసం అవసరం
లేదా మీకు మీ జాతీయ సేల్స్ ఫోర్స్ యొక్క క్యూబ్స్ అవసరం
వారానికో లేదా రెండూ? శక్తివంతమైన వస్తువును రూపొందించండి
ఫైనాన్స్ కోసం DB2 OLAP సర్వర్ లేదా కాగ్నోస్ క్యూబ్‌లు వంటివి
మీ విక్రయ సంస్థ లేదా రెండింటి కోసం PowerPlay?
ఇవి పెద్ద నిర్మాణ రూపకల్పన నిర్ణయాలు
అవి మీ BI పర్యావరణాన్ని భవిష్యత్తులో ప్రభావితం చేస్తాయి. అవును,
మీరు OLAP అవసరాన్ని గుర్తించారు. ఇప్పుడు మీరు దీన్ని ఎలా అమలు చేయబోతున్నారు
సాంకేతికత మరియు సాంకేతికత రకం?
కొన్ని అత్యంత అధునాతన సాంకేతికతలు మీపై ఎలా ప్రభావం చూపుతాయి
డ్రాయింగ్‌లు? మీరు ఒక అవసరాన్ని గుర్తించారని అనుకుందాం
మీ సంస్థలో స్థలం. ఇప్పుడు మీరు కాల్ చేయాలి
ఆర్కిటెక్చరల్ డ్రాయింగ్ ఎడిషన్‌లు ప్రణాళిక చేయకపోయినా
చాలా నెలలు స్పేస్ భాగాలు చేపడుతుంటారు. ఆర్కిటెక్ట్ తప్పక
ఈ రోజు అవసరమైన వాటి ఆధారంగా డిజైన్ చేయండి. అవసరాన్ని అంచనా వేయండి
ప్రాదేశిక విశ్లేషణ ఉత్పత్తి చేస్తుంది, నిల్వ చేస్తుంది, నిర్వహిస్తుంది మరియు పంపిణీ చేస్తుంది
యాక్సెస్ డటి ప్రాదేశికమైన. ఇది క్రమంగా ఒక పని చేయాలి
సాంకేతికత రకం మరియు స్పెసిఫికేషన్‌లకు సంబంధించి పరిమితి
మీరు ప్రస్తుతం పరిశీలిస్తున్న సాఫ్ట్‌వేర్ ప్లాట్‌ఫారమ్. కోసం
ఉదాహరణకు, పరిపాలన వ్యవస్థ డేటా బేస్ రిలేషనల్
(RDBMS) మీ పరమాణు పొర కోసం మీరు తప్పనిసరిగా నిర్వహించాలి
ఒక బలమైన ప్రాదేశిక పరిధి అందుబాటులో ఉంది. ఇది నిర్ధారిస్తుంది
జ్యామితి మరియు వస్తువులను ఉపయోగించినప్పుడు గరిష్ట పనితీరు
మీ విశ్లేషణాత్మక అనువర్తనాల్లో స్థలం. మీ RDBMS లేకపోతే
i నిర్వహించగలదు డటి (ప్రాదేశిక-కేంద్రీకృత) అంతర్గతంగా, కాబట్టి మీరు చేయాల్సి ఉంటుంది
a ఏర్పాటు డేటా బేస్ (ప్రాదేశిక-కేంద్రీకృత) బాహ్య. ఇది క్లిష్టతరం చేస్తుంది
సమస్య నిర్వహణ మరియు మీ మొత్తం పనితీరును ప్రభావితం చేస్తుంది,
మీ కోసం సృష్టించబడిన అదనపు సమస్యల గురించి ప్రత్యేకంగా చెప్పనక్కర్లేదు
DBAలు, అవి కనీస అవగాహన కలిగి ఉండవచ్చు
యొక్క పునాదులు డటి ప్రాదేశిక అలాగే. మరోవైపు, మీ ఇంజిన్ అయితే
RDMBS అన్ని ప్రాదేశిక భాగాలు మరియు సంబంధిత అంశాలను నిర్వహిస్తుంది
ఆప్టిమైజర్‌కి ప్రత్యేక అవసరాల గురించి తెలుసు (ఉదాహరణకు,
ఇండెక్సింగ్) ప్రాదేశిక వస్తువులు, అప్పుడు మీ DBAలు నిర్వహించగలవు
సమస్యలను వెంటనే నిర్వహించండి మరియు మీరు వాటిని ఎలివేట్ చేయవచ్చు
ప్రెస్టాజియోని.
అలాగే, మీరు స్టేజింగ్ ప్రాంతం మరియు పొరను సర్దుబాటు చేయాలి
చిరునామా శుభ్రపరచడం (un
ప్రాదేశిక విశ్లేషణకు కీలకమైన అంశం), అలాగే తదుపరిది
స్పేస్ వస్తువులను ఆదా చేయడం. యొక్క ఎడిషన్ల పరంపర
మేము శుభ్రపరిచే భావనను ప్రవేశపెట్టినందున ఇప్పుడు డ్రాయింగ్ కొనసాగుతుంది
చిరునామా. ఒక విషయం ఏమిటంటే, ఈ అప్లికేషన్ రకాన్ని నిర్దేశిస్తుంది
మీ ETL ప్రయత్నానికి అవసరమైన సాఫ్ట్‌వేర్.
మీకు చిరునామాను అందించడానికి ట్రిల్లియం వంటి ఉత్పత్తులు అవసరం
శుభ్రంగా, లేదా దానిని అందించడానికి మీకు నచ్చిన ETL విక్రేత
కార్యాచరణ?
ప్రస్తుతానికి మీరు డిజైన్ యొక్క ప్రమాణాన్ని అభినందించడం ముఖ్యం
మీరు మీది అమలు చేయడం ప్రారంభించడానికి ముందు తప్పనిసరిగా పూర్తి చేయాలి
పర్యావరణం (గిడ్డంగి). పైన పేర్కొన్న ఉదాహరణలు ఉండాలి
అనుసరించాల్సిన డ్రాయింగ్ నిర్ణయాల సమూహాన్ని ప్రదర్శించండి
ఏదైనా నిర్దిష్ట వ్యాపార అవసరాల గుర్తింపు. చేస్తే
సరిగ్గా, ఈ డిజైన్ నిర్ణయాలు ప్రోత్సహిస్తాయి
మీ పర్యావరణం యొక్క భౌతిక నిర్మాణాల మధ్య పరస్పర ఆధారపడటం
ఉపయోగించిన సాంకేతికత ఎంపిక మరియు ప్రచారం యొక్క ప్రవాహం
సమాచార కంటెంట్. ఈ సంప్రదాయ నిర్మాణం లేకుండా
BIలో, మీ సంస్థ మిశ్రమానికి లోబడి ఉంటుంది
ఇప్పటికే ఉన్న సాంకేతికతలను అస్తవ్యస్తంగా, ఉత్తమంగా, ఒక విధంగా ఏకం చేసింది
స్పష్టమైన స్థిరత్వాన్ని అందించడానికి సరికాదు.
సమాచార కంటెంట్‌ను నిర్వహించండి
మీ సంస్థకు సమాచారం యొక్క విలువను తీసుకురావడం
చాలా కష్టమైన ఆపరేషన్. తగినంత అవగాహన లేకుండా
మరియు అనుభవం, లేదా సరైన ప్రణాళిక మరియు రూపకల్పన, కూడా
మంచి జట్లు విఫలమవుతాయి. మరోవైపు, మీరు ఒక గొప్ప కలిగి ఉంటే
అంతర్ దృష్టి మరియు వివరణాత్మక ప్రణాళిక కానీ క్రమశిక్షణ లేదు
అమలు, మీరు కేవలం మీ డబ్బు మరియు సమయం వృధా
ఎందుకంటే మీ ప్రయత్నం విఫలమవుతుంది. సందేశం ఉండాలి
స్పష్టంగా ఉండండి: మీరు వీటిలో ఒకటి లేదా అంతకంటే ఎక్కువ తప్పిపోయినట్లయితే
నైపుణ్యాలు, అవగాహన/అనుభవం లేదా ప్రణాళిక/డ్రాయింగ్ ఓ
అమలు క్రమశిక్షణ, ఇది పక్షవాతం లేదా దారి తీస్తుంది
BI సంస్థ యొక్క భవనాన్ని నాశనం చేయండి.
మీ బృందం తగినంతగా సిద్ధంగా ఉందా? మీలో ఎవరో ఉన్నారు
అందుబాటులో ఉన్న విస్తారమైన విశ్లేషణాత్మక ల్యాండ్‌స్కేప్‌ను అర్థం చేసుకున్న BI బృందం
BI పరిసరాలలో, అవసరమైన సాంకేతికతలు మరియు సాంకేతికతలలో
ఆ ప్రకృతి దృశ్యాన్ని ప్రభావితం చేయాలా? మీ బృందంలో ఒకరు ఉన్నారు
ఇది అధునాతన మధ్య అప్లికేషన్ యొక్క వ్యత్యాసాన్ని గుర్తించగలదు
స్టాటిక్ రిపోర్టింగ్ మరియు OLAP, లేదా ROLAP మరియు OLAP మధ్య తేడాలు? ఒకటి
మీ బృందంలోని సభ్యులు మార్గాన్ని స్పష్టంగా గుర్తిస్తారు
సంగ్రహించండి మరియు అది గిడ్డంగిని ఎలా ప్రభావితం చేస్తుంది లేదా ఎలా ఉంటుంది
మైనింగ్ పనితీరుకు గిడ్డంగి మద్దతు ఇస్తుందా? ఒక సభ్యుడు
జట్టు విలువను అర్థం చేసుకుంటుంది డటి స్థలం లేదా సాంకేతికత
ఏజెంట్ ఆధారంగా? మీకు ప్రత్యేకమైన అప్లికేషన్‌ను మెచ్చుకునే ఎవరైనా ఉన్నారా
బ్రోకర్ టెక్నాలజీకి వ్యతిరేకంగా ETL సాధనాలు
సందేశమా? మీకు అది లేకుంటే, ఒకటి పొందండి. BI చాలా ఎక్కువ
OLAP యొక్క సాధారణీకరించిన పరమాణు పొర పెద్దది, పథకాలు a
నక్షత్రం మరియు ODS.
అవసరాలను గుర్తించడానికి అవగాహన మరియు అనుభవం కలిగి ఉండండి
BI మరియు వాటి పరిష్కారాలు మీ సామర్థ్యానికి చాలా అవసరం
వినియోగదారుల అవసరాలను సరిగ్గా అధికారికీకరించడానికి మరియు రూపకల్పన చేయడానికి
మరియు వారి పరిష్కారాలను అమలు చేయండి. మీ వినియోగదారు సంఘం కలిగి ఉంటే
అవసరాలను వివరించడంలో ఇబ్బంది, ఇది బృందం యొక్క పని
గిడ్డంగి ఆ అవగాహనను అందిస్తుంది. కానీ జట్టు ఉంటే
గిడ్డంగి
BI యొక్క నిర్దిష్ట అనువర్తనాన్ని గుర్తించలేదు - ఉదాహరణకు, డేటా
మైనింగ్- అప్పుడు అది BI పరిసరాలలో చేసే ఉత్తమమైన పని కాదు
తరచుగా తమని తాము నిష్క్రియ డిపాజిట్లుగా పరిమితం చేసుకుంటాయి. అయితే, వీటిని పట్టించుకోకండి
సాంకేతికతలు వాటి ప్రాముఖ్యతను మరియు వాటి ప్రభావాన్ని తగ్గించవు
మీ స్వంత వ్యాపార మేధస్సు అవకాశాల ఆవిర్భావంపై
సంస్థ, అలాగే మీరు రూపొందించిన సమాచార నిర్మాణం
ప్రోత్సహించడానికి.
ప్రణాళిక తప్పనిసరిగా డ్రాయింగ్ యొక్క భావనను కలిగి ఉండాలి, ed
రెండింటికీ సమర్థుడైన వ్యక్తి అవసరం. ప్లస్, డిజైనింగ్
దీనికి జట్టు వేర్‌హౌస్ తత్వశాస్త్రం మరియు పరిశీలన అవసరం
ప్రమాణాల. ఉదాహరణకు, మీ కంపెనీ స్థాపించినట్లయితే a
ప్రామాణిక ప్లాట్‌ఫారమ్ లేదా మీరు గుర్తించిన నిర్దిష్ట RDBMS
ప్లాట్‌ఫారమ్‌లో ప్రామాణీకరించాలనుకుంటున్నాను, అది ఆసన్నమైనది
జట్టులోని ప్రతి ఒక్కరూ ఆ ప్రమాణాలకు కట్టుబడి ఉంటారు. సాధారణంగా ఒకటి
బృందం సాధారణీకరణ అవసరాన్ని బహిర్గతం చేస్తుంది (వినియోగదారుకి
కమ్యూనిటీలు), కానీ జట్టులో చేరడానికి ఇష్టపడదు
స్టాండర్డ్‌లు కంపెనీలోని ఇతర ప్రాంతాలలో లేదా బహుశా లో కూడా సెట్ చేయబడతాయి
ఇలాంటి కంపెనీలు. ఇది కపటమే కాదు, సంస్థ అలా చేయదని నిర్ధారిస్తుంది
ఇప్పటికే ఉన్న వనరులను మరియు పెట్టుబడులను ఉపయోగించుకోగలుగుతుంది. అర్థం కాదు
ప్లాట్‌ఫారమ్‌కు హామీ ఇచ్చే పరిస్థితులు లేవు లేదా a
ప్రామాణికం కాని సాంకేతికత; అయితే, గిడ్డంగి యొక్క ప్రయత్నాలు
వరకు ఎంటర్‌ప్రైజ్ ప్రమాణాలను అసూయతో కాపాడుకోవాలి
వ్యాపార అవసరాలు వేరే విధంగా నిర్దేశించవు.
BIని నిర్మించడానికి అవసరమైన మూడవ కీలక భాగం
సంస్థ అనేది క్రమశిక్షణ.
ఇది మొత్తం వ్యక్తులపై మరియు పర్యావరణంపై సమానంగా ఆధారపడి ఉంటుంది.
ప్రాజెక్ట్ ప్లానర్‌లు, స్పాన్సర్‌లు, ఆర్కిటెక్ట్‌లు మరియు వినియోగదారులు తప్పనిసరిగా అభినందించాలి
సంస్థ యొక్క సమాచార నిర్మాణాన్ని నిర్మించడానికి అవసరమైన క్రమశిక్షణ.
డిజైనర్లు తమ డిజైన్ ప్రయత్నాలను ఆ విధంగా నిర్దేశించాలి
సమాజంలో అవసరమైన ఇతర ప్రయత్నాలను పూర్తి చేయండి.
ఉదాహరణకు, మీ కంపెనీ a బిల్డ్ చేస్తుందనుకుందాం
గిడ్డంగి భాగాన్ని కలిగి ఉన్న ERP అప్లికేషన్.
కాబట్టి సహకరించడం ERP డిజైనర్ల బాధ్యత
గిడ్డంగి పర్యావరణ జట్టు కాబట్టి పోటీ లేదా
ఇప్పటికే ప్రారంభించిన పనిని నకిలీ చేయండి.
క్రమశిక్షణ అనేది కూడా బిజీగా ఉండాల్సిన అంశం
మొత్తం సంస్థ ద్వారా మరియు సాధారణంగా స్థాపించబడింది మరియు అప్పగించబడుతుంది a
కార్యనిర్వాహక స్థాయి.
అధికారులు రూపొందించిన విధానానికి కట్టుబడి ఉండటానికి సిద్ధంగా ఉన్నారా? ఎ
సమాచార కంటెంట్‌ని సృష్టించడానికి హామీ ఇచ్చే విధానం
చివరికి అది సంస్థ యొక్క అన్ని రంగాలకు విలువను తెస్తుంది, కానీ ఉండవచ్చు
ఇది వ్యక్తిగత లేదా డిపార్ట్‌మెంటల్ ఎజెండాలతో రాజీ పడుతుందా? అనే సామెతను గుర్తుంచుకోండి
"ఒక విషయం గురించి ఆలోచించడం కంటే ప్రతిదాని గురించి ఆలోచించడం చాలా ముఖ్యం."
ఈ సామెత BI సంస్థలకు నిజం.
దురదృష్టవశాత్తు, చాలా గిడ్డంగులు తమ ప్రయత్నాలను కేంద్రీకరిస్తాయి
నిర్దిష్ట డిపార్ట్‌మెంట్‌ను లక్ష్యంగా చేసుకుని విలువ తీసుకురావడానికి ప్రయత్నిస్తున్నారు లేదా
నిర్దిష్ట వినియోగదారులు, సంస్థకు సంబంధించి తక్కువ
సాధారణ. మేనేజర్ జట్టు నుండి సహాయాన్ని అభ్యర్థించాడని అనుకుందాం
గిడ్డంగి. బృందం 90 రోజుల పాటు కొనసాగిన ఉద్యోగంతో ప్రతిస్పందిస్తుంది
ద్వారా నిర్వచించబడిన నోటిఫికేషన్ అవసరాల డెలివరీని మాత్రమే కలిగి ఉంటుంది
మేనేజర్ కానీ అన్నింటినీ నిర్ధారిస్తుంది డటి బేస్ పొరలో కలుపుతారు
క్యూబ్ టెక్నాలజీలో ప్రవేశపెట్టడానికి ముందు అణు
ప్రతిపాదన.
ఈ ఇంజినీరింగ్ జోడింపు నిర్ధారిస్తుంది
వార్డ్‌హౌస్ నుండి ప్రయోజనం ఉంటుంది డటి మేనేజర్ కోసం అవసరం.
అయితే, ఎగ్జిక్యూటివ్ బయట కన్సల్టింగ్ సంస్థలతో మాట్లాడారు
4 కంటే తక్కువ డెలివరీతో ఇలాంటి అప్లికేషన్‌ను ప్రతిపాదించారు
వారాలు.
అంతర్గత వేర్‌హౌస్ బృందం సమర్థత కలిగి ఉందని ఊహిస్తూ, ది
మేనేజర్ ఎంపిక ఉంది. యొక్క క్రమశిక్షణకు ఎవరు మద్దతు ఇవ్వగలరు
ఆస్తిని పెంచుకోవడానికి అదనపు ఇంజనీరింగ్ అవసరం
సమాచార వ్యాపారం లేదా మీరు మీ స్వంతంగా సృష్టించడానికి ఎంచుకోవచ్చు
త్వరగా పరిష్కారం. చివరిది నిజంగా ఎంపిక చేయబడినట్లు అనిపిస్తుంది
చాలా తరచుగా మరియు సమాచార కంటైనర్‌లను రూపొందించడానికి మాత్రమే ఉపయోగపడుతుంది
ఇది కొంతమందికి లేదా వ్యక్తికి మాత్రమే ప్రయోజనం చేకూరుస్తుంది.
స్వల్ప మరియు దీర్ఘకాలిక లక్ష్యాలు
ఆర్కిటెక్ట్‌లు మరియు ప్రాజెక్ట్ డిజైనర్లు తప్పనిసరిగా అధికారికీకరించాలి a
మొత్తం నిర్మాణం మరియు ప్రణాళికల యొక్క దీర్ఘకాలిక దృష్టి
BI సంస్థలో పెరుగుతాయి. ఈ కలయిక
స్వల్పకాలిక లాభం మరియు దీర్ఘకాలిక ప్రణాళిక
BI ప్రయత్నాల యొక్క రెండు వైపులా ప్రాతినిధ్యం వహిస్తుంది. స్వల్పకాలిక లాభం
గడువు అనేది BI యొక్క పునరుక్తితో అనుబంధించబడిన అంశం
మీ గిడ్డంగి.
ప్లానర్లు, ఆర్కిటెక్ట్‌లు మరియు స్పాన్సర్‌లు ఇక్కడే దృష్టి సారిస్తారు
నిర్దిష్ట వ్యాపార అవసరాలను తీర్చండి. ఇది ఈ స్థాయిలో ఉంది
భౌతిక నిర్మాణాలు నిర్మించబడ్డాయి, సాంకేతికత కొనుగోలు చేయబడింది మరియు ది
సాంకేతికతలు అమలు చేయబడతాయి. వారు అస్సలు ఎదుర్కోవటానికి తయారు చేయబడలేదు
నిర్దిష్ట వినియోగదారు సంఘాలచే నిర్వచించబడిన నిర్దిష్ట అవసరాలు.
నిర్దిష్ట నిర్వచించిన అవసరాలను పరిష్కరించడానికి ప్రతిదీ జరుగుతుంది
ఒక నిర్దిష్ట సంఘం నుండి.
అయితే, దీర్ఘ-శ్రేణి ప్రణాళిక మరొక కోణం
BI యొక్క. ఇక్కడే ప్రణాళికలు మరియు ప్రాజెక్టులు నిర్ధారించబడ్డాయి
ఏదైనా భౌతిక నిర్మాణం, ఎంచుకున్న సాంకేతికతలు మరియు ది
ఎంటర్‌ప్రైజ్‌ను దృష్టిలో ఉంచుకుని తయారు చేసిన పద్ధతులను గ్రహించారు. ఇంకా
సమన్వయాన్ని అందించే దీర్ఘకాలిక ప్రణాళిక
వ్యాపార ప్రయోజనాలు అందరికీ అందేలా చూసుకోవడం అవసరం
స్వల్పకాలిక లాభాలు కనుగొనబడ్డాయి.
మీ BI ప్రయత్నాన్ని సమర్థించండి
Un డేటా గిడ్డంగి దానికదే అంతర్లీన విలువ లేదు. ఇతర లో
పదాలు, సాంకేతికతలలో స్వాభావిక విలువ లేదు
గిడ్డంగి మరియు అమలు పద్ధతులు.
ఏదైనా గిడ్డంగి ప్రయత్నం యొక్క విలువ చర్యలలో కనుగొనబడుతుంది
గిడ్డంగి వాతావరణం మరియు కంటెంట్‌ను అనుసరించి ప్రదర్శించారు
కాలక్రమేణా సాగు చేయబడిన సమాచారం. ఇది అర్థం చేసుకోవలసిన కీలకమైన అంశం
మీరు ఎప్పుడైనా ఏదైనా చొరవ విలువను అంచనా వేయడానికి ప్రయత్నించే ముందు
ఎక్కడి ఇల్లు.
చాలా తరచుగా, వాస్తుశిల్పులు మరియు డిజైనర్లు విలువను వర్తింపజేయడానికి ప్రయత్నిస్తారు
వాస్తవానికి విలువ ఉన్నప్పుడు గిడ్డంగి యొక్క భౌతిక మరియు సాంకేతిక భాగాలు
సానుకూలంగా ప్రభావితం చేసే వ్యాపార ప్రక్రియలపై ఆధారపడి ఉంటుంది
గిడ్డంగి మరియు బాగా సంపాదించిన సమాచారం.
BIని స్థాపించే సవాలు ఇక్కడ ఉంది: మీరు పెట్టుబడిని ఎలా సమర్థిస్తారు?
ఆ ఇంటికే అంతర్లీన విలువ లేనట్లయితే, రూపకర్తలు
ప్రాజెక్ట్ తప్పనిసరిగా ప్రయోజనాలను పరిశోధించి, నిర్వచించి మరియు అధికారికీకరించాలి
గిడ్డంగిని ఉపయోగించే వ్యక్తులచే సాధించబడింది
నిర్దిష్ట వ్యాపార ప్రక్రియలు లేదా విలువను మెరుగుపరచండి
రక్షిత సమాచారం లేదా రెండూ.
విషయాలను క్లిష్టతరం చేయడానికి, ఏదైనా వ్యాపార ప్రక్రియ
గిడ్డంగి ప్రయత్నాల ద్వారా ప్రభావితమైన ప్రయోజనాలను అందించవచ్చు
"గణనీయమైన" లేదా "కొద్దిగా". గణనీయమైన ప్రయోజనాలు అందిస్తాయి a
పెట్టుబడిపై రాబడిని (ROI) కొలవడానికి స్పష్టమైన మెట్రిక్ - ఉదా
ఉదాహరణకు, ఒక వ్యవధిలో అదనపు సమయాన్ని ఇన్వెంటరీని మార్చడం
నిర్దిష్ట లేదా షిప్పింగ్‌కు తక్కువ షిప్పింగ్ ఖర్చు కోసం. ఇది ఎక్కువ
మెరుగైన యాక్సెస్ వంటి స్వల్ప ప్రయోజనాలను నిర్వచించడం కష్టం
సమాచారం, ప్రత్యక్ష విలువ పరంగా.
గురించి తెలుసుకోవడానికి మీ ప్రాజెక్ట్‌ను కనెక్ట్ చేయండి
వ్యాపార అభ్యర్థనలు
చాలా తరచుగా, ప్రాజెక్ట్ డిజైనర్లు విలువను కనెక్ట్ చేయడానికి ప్రయత్నిస్తారు
నిరాకార సంస్థ లక్ష్యాలతో గిడ్డంగి. అని ప్రకటిస్తున్నారు
“ఒక గిడ్డంగి విలువ మన సామర్థ్యంపై ఆధారపడి ఉంటుంది
వ్యూహాత్మక అభ్యర్థనలను సంతృప్తి పరచండి” మేము తెరుస్తాము
ప్రసంగం. అయితే అది ఒక్కటే సరిపోదు
ఇన్వెంటరీలో పెట్టుబడి పెట్టడం అర్ధమే. పునరావృత్తులు కనెక్ట్ చేయడం మంచిది
నిర్దిష్ట మరియు తెలిసిన వ్యాపార అభ్యర్థనలతో గిడ్డంగులు.
ROIని కొలవడం
గిడ్డంగి సెట్టింగ్‌లో ROIని లెక్కించడం కావచ్చు
ముఖ్యంగా కష్టం. ప్రయోజనం ఉంటే ముఖ్యంగా కష్టం
ఒక నిర్దిష్ట పునరావృతం యొక్క ప్రధానమైనది కనిపించనిది లేదా
కొలవడం సులభం. వినియోగదారులు గ్రహించినట్లు ఒక అధ్యయనం కనుగొంది
BI కార్యక్రమాల యొక్క రెండు ప్రధాన ప్రయోజనాలు:
▪ నిర్ణయాలు తీసుకునే సామర్థ్యాన్ని సృష్టించండి
▪ సమాచారానికి ప్రాప్యతను సృష్టించండి
ఈ ప్రయోజనాలు మృదువైన (లేదా తేలికపాటి) ప్రయోజనాలు. ఇది చూడటం సులభం
హార్డ్ లీడ్ ఆధారంగా మనం ROIని ఎలా లెక్కించవచ్చు (లేదా
ఎక్కువ) రవాణా ఖర్చును తగ్గించడం వంటివి, కానీ ఎలా
మంచి నిర్ణయాలు తీసుకునే సామర్థ్యాన్ని మనం కొలుస్తామా?
ప్రాజెక్ట్ డిజైనర్లకు ఇది ఖచ్చితంగా సవాలుగా ఉంటుంది
వారు ఒక నిర్దిష్టమైన దానిలో పెట్టుబడి పెట్టడానికి కంపెనీని ఒప్పించేందుకు ప్రయత్నిస్తున్నారు
గిడ్డంగి ప్రయత్నం. అమ్మకాలు పెరగడం లేదా ఖర్చులు తగ్గడం
అవి BI పర్యావరణాన్ని నడిపించే కేంద్ర థీమ్‌లు కావు.
బదులుగా, మీరు యాక్సెస్ కోసం వ్యాపార అభ్యర్థనలను చూస్తున్నారు
సమాచారం అందించడం ఉత్తమం, తద్వారా నిర్దిష్ట విభాగం చేయగలదు
వేగంగా నిర్ణయాలు తీసుకుంటారు. ఇవి వ్యూహాత్మక డ్రైవర్లు a
ఇది వ్యాపారానికి సమానంగా ముఖ్యమైనది కానీ
మరింత అస్పష్టంగా మరియు స్పష్టమైన మెట్రిక్‌లో వర్గీకరించడం మరింత కష్టం.
ఈ సందర్భంలో, ROIని లెక్కించడం అసంబద్ధం కాకపోయినా తప్పుదారి పట్టించవచ్చు.
ప్రాజెక్ట్ డిజైనర్లు తప్పనిసరిగా విలువను ప్రదర్శించగలగాలి
ఎగ్జిక్యూటివ్‌లు పెట్టుబడి పెట్టాలా వద్దా అని నిర్ణయించుకోవడానికి ప్రత్యక్షమైనది
ఒక నిర్దిష్ట పునరావృతం వర్తిస్తుంది. అయితే, మేము కొత్తదాన్ని ప్రతిపాదించము
ROIని లెక్కించే పద్ధతి, లేదా మేము ఎటువంటి వాదనలు చేయము లేదా
దానికి వ్యతిరేకంగా.
ప్రాథమిక అంశాలను చర్చించే అనేక వ్యాసాలు మరియు పుస్తకాలు అందుబాటులో ఉన్నాయి
ROIని లెక్కించండి. విలువగా ప్రత్యేక విలువ ప్రతిపాదనలు ఉన్నాయి
ఇన్వెస్టింగ్ (VOI)పై, గార్ట్‌నర్ వంటి సమూహాలు అందించబడతాయి, మీరు వీటిని చేయవచ్చు
పరిశోధన చేయడానికి. బదులుగా, మేము ఏదైనా ప్రధాన అంశాలపై దృష్టి పెడతాము
ROI లేదా మీరు పరిగణించవలసిన ఇతర విలువ ప్రతిపాదనలు.
ROIని వర్తింపజేస్తోంది
"కఠినమైన" ప్రయోజనాలు వర్సెస్ "సాఫ్ట్" ప్రయోజనాల వాదనకు మించి
BI ప్రయత్నాలతో అనుబంధించబడినవి పరిగణించవలసిన ఇతర సమస్యలు ఉన్నాయి
మేము ROIని వర్తింపజేసినప్పుడు. ఉదాహరణకి:
రాబోయే DW ప్రయత్నాలకు చాలా ఎక్కువ పొదుపులను ఆపాదించండి
ఏదైనా సందర్భంలో
మీ కంపెనీ ఆర్కిటెక్చర్ నుండి వెళ్లిందని అనుకుందాం
పంపిణీ చేయబడిన UNIX పర్యావరణానికి మెయిన్‌ఫ్రేమ్. కాబట్టి ఏదైనా
ఆ ప్రయత్నం నుండి గ్రహించబడే (లేదా కాకపోవచ్చు) పొదుపులు
కు (?) ప్రత్యేకంగా ఆపాదించకూడదు
గిడ్డంగి.
ప్రతిదానికీ లెక్కలు చెప్పకపోవడం ఖర్చుతో కూడుకున్నది. మరియు చేయడానికి చాలా విషయాలు ఉన్నాయి
ఖత లొకి తిసుకొ. కింది జాబితాను పరిగణించండి:
▪ సాధ్యతతో సహా ప్రారంభ ఖర్చు.
▪ సంబంధిత నిల్వతో అంకితమైన హార్డ్‌వేర్ ధర ఇ
కమ్యూనికేషన్లు
▪ నిర్వహణతో సహా సాఫ్ట్‌వేర్ ఖర్చు డటి మరియు పొడిగింపులు
క్లయింట్/సర్వర్, ETL సాఫ్ట్‌వేర్, DSS టెక్నాలజీస్, టూల్స్
విజువలైజేషన్, ప్రోగ్రామింగ్ మరియు ఫ్లో అప్లికేషన్స్
పని మరియు పర్యవేక్షణ సాఫ్ట్‌వేర్, .
▪ నిర్మాణ రూపకల్పన ఖర్చు డటి, సాక్షాత్కారంతో, మరియు
యొక్క ఆప్టిమైజేషన్
▪ సాఫ్ట్‌వేర్ డెవలప్‌మెంట్ ఖర్చు నేరుగా ప్రయత్నంతో ముడిపడి ఉంటుంది
BI
▪ ఆప్టిమైజేషన్‌తో సహా ఇంటి మద్దతు ధర
పనితీరు, సాఫ్ట్‌వేర్ వెర్షన్ నియంత్రణ మరియు
సహాయ కార్యకలాపాలు
"బిగ్-బ్యాంగ్" ROIని వర్తించండి.
గిడ్డంగిని ఒకే మరియు భారీ ప్రయత్నంగా సృష్టించడం
విఫలమవుతుంది, కాబట్టి చొరవ కోసం ROIని కూడా లెక్కించండి
పెద్ద సంస్థ యొక్క ఆఫర్ ఆశ్చర్యకరంగా ఉంది మరియు డిజైనర్లు
మొత్తం విలువను అంచనా వేయడానికి బలహీనమైన ప్రయత్నాలను కొనసాగించండి
కృషి.
ఎందుకంటే డిజైనర్లు ద్రవ్య విలువను ఇవ్వడానికి ప్రయత్నిస్తారు
ఇది విస్తృతంగా తెలిసిన మరియు అంగీకరించబడినట్లయితే వ్యాపార చొరవపై
నిర్దిష్ట ప్రతినిధులను అంచనా వేయడం కష్టమా? ఇది ఎలా సాధ్యపడుతుంది? అది కాదు
కొన్ని మినహాయింపులతో సాధ్యం. ఇది చేయవద్దు.
ఇప్పుడు మేము లెక్కించేటప్పుడు ఏమి చేయకూడదో నిర్ణయించాము
ROI, నిర్వచించడంలో మాకు సహాయపడే కొన్ని పాయింట్‌లు ఇక్కడ ఉన్నాయి
మీ BI ప్రయత్నాల విలువను అంచనా వేయడానికి నమ్మదగిన ప్రక్రియ.
ROI ఏకాభిప్రాయాన్ని పొందడం. మీతో సంబంధం లేకుండా
మీ BI ప్రయత్నాల విలువను అంచనా వేయడానికి సాంకేతికతను ఎంపిక చేసుకోవాలి
ప్రాజెక్ట్ డిజైనర్లతో సహా అన్ని పార్టీలచే అంగీకరించబడుతుంది,
స్పాన్సర్లు మరియు కంపెనీ అధికారులు.
ROIని గుర్తించదగిన భాగాలుగా తగ్గించండి. వైపు అవసరమైన అడుగు
ROI యొక్క సహేతుకమైన గణన అంటే ఆ గణనను a పై కేంద్రీకరించడం
నిర్దిష్ట ప్రాజెక్ట్. ఇది విలువను అంచనా వేయడానికి మిమ్మల్ని అనుమతిస్తుంది
నెరవేర్చిన నిర్దిష్ట వ్యాపార అవసరాల ఆధారంగా
ఖర్చులను నిర్వచించండి. చెప్పినట్లుగా, అనేక ఖర్చులు ఉండాలి
పరిగణించబడింది. ఇంకా, ఖర్చులు తప్పనిసరిగా అనుబంధిత ఖర్చులను మాత్రమే కలిగి ఉండాలి
ఒకే పునరావృతానికి కానీ సంబంధిత ఖర్చులకు కూడా
కంపెనీ ప్రమాణాలకు అనుగుణంగా ఉండేలా.
ప్రయోజనాలను నిర్వచించండి. ROIని అవసరాలకు స్పష్టంగా లింక్ చేస్తోంది
నిర్దిష్ట వ్యాపారాలు, మేము గుర్తించగలగాలి
అవసరాలను తీర్చడానికి దారితీసే ప్రయోజనాలు.
ఆసన్న లాభాలలో ఖర్చులు మరియు ప్రయోజనాలను తగ్గించండి. ఇది మార్గం
నికర ప్రస్తుత విలువపై మీ విలువలను ఆధారం చేసుకోవడం ఉత్తమం
(NPV) లో భవిష్యత్తు విలువను అంచనా వేయడానికి ప్రయత్నించడానికి విరుద్ధంగా
భవిష్యత్తు ఆదాయాలు.
మీ ROIని విభజించే సమయాన్ని కనిష్టంగా ఉంచండి. మరియు'
ఇది మీలో ఉపయోగించబడిన సుదీర్ఘ కాలంలో చక్కగా డాక్యుమెంట్ చేయబడింది
ROI.
ఒకటి కంటే ఎక్కువ ROI సూత్రాలను ఉపయోగించండి. కోసం అనేక పద్ధతులు ఉన్నాయి
ROI అంచనా మరియు మీరు ఒకదాన్ని ఉపయోగించాలా లేదా అని ప్లాన్ చేయాలి
అదనంగా, నికర ప్రస్తుత విలువ, రిటర్న్ యొక్క అంతర్గత వేగంతో సహా
(IRR) మరియు రికవరీ.
పునరావృత ప్రక్రియను నిర్వచించండి. గణనకు ఇది కీలకం
ఏదైనా దీర్ఘకాలిక విలువ. ఇది డాక్యుమెంట్ చేయబడాలి a
అన్ని ప్రాజెక్ట్ పర్యవసానాలకు ఒకే పునరావృత ప్రక్రియ a
అనుసరించండి.
జాబితా చేయబడిన సమస్యలు నిపుణులచే నిర్వచించబడిన అత్యంత సాధారణమైనవి
వార్డ్‌హౌస్ వాతావరణంలో. నిర్వహణపై పట్టుదల
"బిగ్-బ్యాంగ్" ROI పంపిణీ చేయడం చాలా గందరగోళంగా ఉంది. మీరు అన్నింటినీ ప్రారంభిస్తే
మీ ROI గణనలను గుర్తించదగిన మరియు ప్రత్యక్షమైన ముక్కలుగా తగ్గించడం ద్వారా, మీరు కలిగి ఉన్నారు
ఖచ్చితమైన ROI విలువను అంచనా వేయడానికి మంచి అవకాశం.
ROI ప్రయోజనాలకు సంబంధించిన ప్రశ్నలు
మీ ప్రయోజనాలు ఏమైనప్పటికీ, మృదువైనవి లేదా కఠినమైనవి, మీరు వాటిని ఉపయోగించవచ్చు
వాటి విలువను నిర్ణయించడానికి కొన్ని ప్రాథమిక ప్రశ్నలు. కు
ఉదాహరణకు 1 నుండి 10 వరకు, మీరు ఒక సాధారణ స్కేలింగ్ సిస్టమ్‌ను ఉపయోగించడం
మీరు ఈ క్రింది వాటిని ఉపయోగించి ఏదైనా ప్రయత్నం యొక్క ప్రభావాన్ని ట్రాక్ చేయవచ్చు
డొమాండే:
▪ మీరు అవగాహనను ఎలా రేట్ చేస్తారు డటి దీనిని అనుసరించడం
మీ కంపెనీ ప్రాజెక్ట్?
▪ ఫలితంగా ప్రక్రియ మెరుగుదలలను మీరు ఎలా అంచనా వేస్తారు
ఈ ప్రాజెక్ట్?
▪ మీరు ఇప్పుడు కొత్త అంతర్దృష్టులు మరియు అనుమితుల ప్రభావాన్ని ఎలా కొలుస్తారు
ఈ పునరావృతం ద్వారా అందుబాటులోకి వచ్చింది
▪ కొత్త కంప్యూటర్ పరిసరాల ప్రభావం ఏమిటి ఇ
నేర్చుకున్న దాని ఫలితంగా ప్రదర్శిస్తున్నారా?
ఈ ప్రశ్నలకు సమాధానాలు తక్కువగా ఉంటే, అది సాధ్యమే
కంపెనీ పెట్టిన పెట్టుబడికి విలువ లేదు. అధిక స్థాయితో ప్రశ్నలు
గణనీయమైన విలువ లాభాలకు స్కోర్ పాయింట్ మరియు ఉండాలి
తదుపరి విచారణకు మార్గదర్శకాలుగా పనిచేస్తాయి.
ఉదాహరణకు, ప్రక్రియ మెరుగుదలల కోసం అధిక స్కోర్
ప్రక్రియలు ఎలా ఉన్నాయో పరిశీలించడానికి డిజైనర్లను దారి తీయాలి
మెరుగుపరచబడింది. మీరు పొందే కొన్ని లేదా అన్ని లాభాలను మీరు కనుగొనవచ్చు
అవి ప్రత్యక్షమైనవి మరియు అందువల్ల ద్రవ్య విలువను సులభంగా పొందవచ్చు
దరఖాస్తు చేసుకున్నాడు.
యొక్క మొదటి పునరావృతం నుండి అత్యధిక ప్రయోజనాలను పొందడం
గిడ్డంగి
మీ వ్యాపార ప్రయత్నం యొక్క గొప్ప ఫలితం తరచుగా ఉంటుంది
మొదటి కొన్ని పునరావృత్తులు. సాంప్రదాయకంగా ఈ మొదటి ప్రయత్నాలు
ప్రజలకు అత్యంత ఉపయోగకరమైన సమాచార కంటెంట్‌ను ఏర్పాటు చేయండి మరియు
తదుపరి వాటికి సాంకేతిక పునాది సహాయాన్ని ఏర్పాటు చేస్తుంది
BI అప్లికేషన్లు.
సాధారణంగా ప్రతి తదుపరి తదుపరి డటి ప్రాజెక్ట్ యొక్క
గిడ్డంగులు కంపెనీకి తక్కువ మరియు తక్కువ అదనపు విలువను తెస్తాయి
సాధారణ. మీరు పునరావృతం చేయకపోతే ఇది ప్రత్యేకంగా వర్తిస్తుంది
కొత్త అంశాలను జోడిస్తుంది లేదా కొత్త దాని అవసరాలను తీర్చదు
వినియోగదారుల సంఘం.
నిల్వ చేసే ఈ ఫీచర్ బ్యాటరీలకు కూడా వర్తిస్తుంది
పెరుగుతున్న 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 నిద్ర
తరచుగా పిలుస్తారు డటి నిద్రాణమైన మరియు వాటిని ఉంచడానికి ఎల్లప్పుడూ ఖరీదైనది ఎందుకంటే
అవి దాదాపు ఎప్పుడూ ఉపయోగించబడవు.
ప్రాజెక్ట్ స్పాన్సర్‌లకు దీని అర్థం ఏమిటి? ముఖ్యంగా, i
ప్రారంభ స్పాన్సర్‌లు పెట్టుబడికి ఎంత ఖర్చవుతుందో ఎక్కువ పంచుకుంటారు.
ఇది ప్రాథమికమైనది ఎందుకంటే అవి పొరను స్థాపించడానికి ప్రేరణగా ఉంటాయి
విస్తృత సాంకేతిక వాతావరణం మరియు గిడ్డంగి వనరులు,
సేంద్రీయ సహా.
కానీ ఈ మొదటి దశలు అత్యధిక విలువను అందిస్తాయి మరియు అందువల్ల డిజైనర్లు
ప్రాజెక్టులు తరచుగా పెట్టుబడిని సమర్థించవలసి ఉంటుంది.
మీ BI చొరవ తర్వాత చేసిన ప్రాజెక్ట్‌లకు ఖర్చులు ఉండవచ్చు
నాసిరకం (మొదటితో పోలిస్తే) మరియు ప్రత్యక్షంగా, కానీ తక్కువ విలువను తీసుకురండి
కంపెనీకి.
మరియు సంస్థ యజమానులు పరిగణనలోకి తీసుకోవడం ప్రారంభించాలి
యొక్క చేరడం దూరంగా త్రో డటి మరియు తక్కువ సంబంధిత సాంకేతికతలు.
డేటా మైనింగ్: వెలికితీత డటి
అనేక నిర్మాణ భాగాలకు వైవిధ్యాలు అవసరం
డేటా మైనింగ్ సాంకేతికతలు మరియు పద్ధతులు-
ఉదాహరణకు, వివిధ "ఏజెంట్" యొక్క ఆసక్తి అంశాలను పరిశీలించడానికి
వినియోగదారులు, కంపెనీ ఆపరేటింగ్ సిస్టమ్స్ మరియు dw కోసం. ఇవి
ఏజెంట్లు శిక్షణ పొందిన అధునాతన న్యూరల్ నెట్‌వర్క్‌లు కావచ్చు
పాట్ ట్రెండ్‌లు, భవిష్యత్తులో ఉత్పత్తి డిమాండ్ ఆధారంగా
అమ్మకాల ప్రమోషన్లు; కోసం నియమాల ఆధారిత ఇంజిన్లు
సమితికి ప్రతిస్పందించండి తేదీ పరిస్థితులలో, ఉదాహరణకు, రోగ నిర్ధారణ
వైద్య మరియు చికిత్స సిఫార్సులు; లేదా సాధారణ ఏజెంట్లు కూడా
సీనియర్ మేనేజర్‌లకు మినహాయింపులను నివేదించే పాత్రతో (టాప్
కార్యనిర్వాహకులు). సాధారణంగా ఈ వెలికితీత ప్రక్రియలు డటి si
నిజ సమయంలో ధృవీకరించండి; అందువల్ల, వారు ఐక్యంగా ఉండాలి
యొక్క కదలికతో పూర్తిగా డటి స్టెసి.
ఆన్‌లైన్ ఎనలిటిక్ ప్రాసెసింగ్ ప్రాసెసింగ్
ఆన్‌లైన్ విశ్లేషణలు
ముక్కలు, పాచికలు, రోల్, డ్రిల్ డౌన్ సామర్థ్యం
మరియు విశ్లేషణ నిర్వహించండి
ఏది-ఉంటే, సూట్ యొక్క లక్ష్యం పరిధిలో ఉంది
IBM సాంకేతికత. ఉదాహరణకు, విశ్లేషణాత్మక ప్రాసెసింగ్ విధులు
DB2 కోసం ఆన్‌లైన్ (OLAP) ఉంది, ఇది డైమెన్షనల్ విశ్లేషణను అందిస్తుంది
యొక్క ఇంజిన్ డేటాబేస్ అదే .
విధులు SQLకి డైమెన్షనల్ యుటిలిటీని జోడిస్తాయి
వారు DB2 యొక్క సహజ భాగం యొక్క అన్ని ప్రయోజనాలను ఉపయోగించుకుంటారు. మరొకటి
OLAP ఇంటిగ్రేషన్ యొక్క ఉదాహరణ సంగ్రహణ సాధనం, DB2
OLAP సర్వర్ ఎనలైజర్. ఈ సాంకేతికత క్యూబ్‌లను అనుమతిస్తుంది
DB2 OLAP సర్వర్ త్వరగా మరియు స్వయంచాలకంగా ఉంటుంది
యొక్క విలువలను గుర్తించడానికి మరియు నివేదించడానికి విశ్లేషించబడింది డటి అసాధారణ లేదా ఊహించని
వ్యాపార విశ్లేషకుడికి క్యూబ్ అంతటా. మరియు చివరకు, విధులు
DW సెంటర్ వాస్తుశిల్పులు తనిఖీ చేయడానికి మార్గాలను అందిస్తుంది
ఇతర విషయాలు, ఒక భాగంగా DB2 OLAP సర్వర్ క్యూబ్ ప్రొఫైల్
ETL ప్రక్రియల సహజ స్వభావం.
ప్రాదేశిక విశ్లేషణ ప్రాదేశిక విశ్లేషణ
స్పేస్ అనేది విశ్లేషణాత్మక యాంకర్లలో (లీడ్స్) సగం సూచిస్తుంది.
పనోరమా కోసం అవసరం
విశ్లేషణాత్మక విస్తృత (సమయం మిగిలిన సగం సూచిస్తుంది). పరమాణు స్థాయి
(అణు-స్థాయి) గిడ్డంగి, మూర్తి 1.1లో సూచించబడింది,
సమయం మరియు స్థలం రెండింటికీ పునాదిని కలిగి ఉంటుంది. రికార్డింగ్‌లు
సమయం మరియు చిరునామా సమాచారం కోసం టైమ్ యాంకర్ విశ్లేషణ
యాంకర్ అంతరిక్షం నుండి విశ్లేషిస్తుంది. సమయముద్రలు
వారు సమయానికి విశ్లేషణను నిర్వహిస్తారు మరియు సమాచారం దిశలో దారి తీస్తుంది
స్పేస్ ద్వారా విశ్లేషణ. రేఖాచిత్రం జియోకోడింగ్-ప్రాసెస్‌ను చూపుతుంది
చిరునామాలను మ్యాప్‌లోని పాయింట్‌లుగా లేదా స్పేస్‌లోని పాయింట్‌లుగా మార్చడం
తద్వారా దూరం మరియు లోపల/బయట వంటి భావనలు ఉంటాయి
విశ్లేషణలో ఉపయోగించబడుతుంది - పరమాణు స్థాయి మరియు ప్రాదేశిక విశ్లేషణలో నిర్వహించబడుతుంది
ఇది విశ్లేషకుడికి అందుబాటులో ఉంచబడింది. IBM పొడిగింపులను అందిస్తుంది
స్పేస్, ఎన్విరాన్‌మెంటల్ సిస్టమ్ రీసెర్చ్ ఇన్‌స్టిట్యూట్ (ESRI)తో అభివృద్ధి చేయబడింది,
al డేటాబేస్ DB2 కాబట్టి అంతరిక్ష వస్తువులు ఉంటాయి
యొక్క సాధారణ భాగం వలె నిల్వ చేయబడుతుంది డేటాబేస్ సంబంధమైన. DB2
స్పేషియల్ ఎక్స్‌టెండర్‌లు, అన్ని SQL పొడిగింపులను కూడా అందిస్తాయి
ప్రాదేశిక విశ్లేషణను ఉపయోగించుకోండి. ఉదాహరణకు, నుండి SQL పొడిగింపులు
గురించి ప్రశ్న
చిరునామాల మధ్య దూరం లేదా ఒక పాయింట్ ఒక ప్రాంతం లోపల లేదా వెలుపల ఉందా
నిర్వచించబడిన బహుభుజి, ఇవి స్పేషియల్‌తో కూడిన విశ్లేషణాత్మక ప్రమాణం
విస్తరింపజేసేవి. మరింత సమాచారం కోసం 16వ అధ్యాయం చూడండి.
డేటాబేస్-రెసిడెంట్ టూల్స్ టూల్స్ డేటాబేస్-
నివాసి
DB2 అనేక BI-నివాస SQL లక్షణాలను కలిగి ఉంది
విశ్లేషణ చర్యలో. వీటితొ పాటు:
▪ “కనుగొనడం వంటి విశ్లేషణ చేయడానికి రికర్షన్ విధులు
నుండి సాధ్యమయ్యే అన్ని విమాన మార్గాలు శాన్ ఫ్రాన్సిస్కొ a న్యూ యార్క్".
▪ ర్యాంకింగ్, క్యుములేటివ్ ఫంక్షన్‌లు, క్యూబ్ కోసం విశ్లేషణాత్మక విధులు
మరియు సాధారణంగా జరిగే పనులను సులభతరం చేయడానికి రోల్‌అప్‌లు
OLAP సాంకేతికతతో మాత్రమే, అవి ఇప్పుడు సహజమైన భాగం
యొక్క ఇంజిన్ డేటాబేస్
▪ ఫలితాలను కలిగి ఉన్న పట్టికలను సృష్టించగల సామర్థ్యం
యొక్క విక్రేతలు డేటాబేస్ నాయకులు BI సామర్థ్యాల కంటే ఎక్కువ మిక్స్ చేస్తారు
నెల్ డేటాబేస్ అదే.
యొక్క ప్రధాన సరఫరాదారులు డేటా బేస్ వారు కంటే ఎక్కువ కలుపుతున్నారు
BI కార్యాచరణ డేటాబేస్ అదే.
ఇది మీ కోసం మెరుగైన పనితీరు మరియు మరిన్ని రన్నింగ్ ఎంపికలను అందిస్తుంది
BI పరిష్కారాలు.
DB2 V8 యొక్క లక్షణాలు మరియు విధులు చర్చించబడ్డాయి
కింది అధ్యాయాలలో వివరంగా:
టెక్నికల్ ఆర్కిటెక్చర్ మరియు డేటా మేనేజ్‌మెంట్ ఫౌండేషన్స్
(అధ్యాయం 5)
▪ DB2 BI ఫండమెంటల్స్ (చాప్టర్ 6)
▪ DB2 మెటీరియలైజ్డ్ ప్రశ్న పట్టికలు
పట్టికలు) (చాప్టర్ 7)
▪ DB2 OLAP విధులు (చాప్టర్ 13)
▪ DB2 మెరుగుపరచబడిన BI లక్షణాలు మరియు విధులు (మెరుగైన BI
లక్షణాలు మరియు విధులు) (చాప్టర్ 15)
సరళీకృత డేటా డెలివరీ సిస్టమ్
యొక్క డెలివరీ సిస్టమ్ డటి సరళీకృతం చేయబడింది
మూర్తి 1.1లో చిత్రీకరించబడిన నిర్మాణంలో అనేకం ఉన్నాయి
నిర్మాణాలు డటి భౌతిక. ఒకటి గిడ్డంగి డటి కార్యాచరణ.
సాధారణంగా, ODS అనేది ఆబ్జెక్ట్ ఓరియెంటెడ్,
ఇంటిగ్రేటెడ్ మరియు కరెంట్. మీరు సపోర్ట్ చేయడానికి ODSని నిర్మిస్తారా, ఉదా
ఉదాహరణకు, విక్రయ కార్యాలయం. ODS అమ్మకాలు అనుబంధంగా ఉంటాయి డటి
అనేక విభిన్న సిస్టమ్‌ల నుండి వస్తున్నది కానీ మాత్రమే నిలుపుకుంటుంది, ఉదా
ఉదాహరణకు, నేటి లావాదేవీలు. ODSని నవీకరించవచ్చు
రోజుకు చాలా సార్లు కూడా. అదే సమయంలో, ప్రక్రియలు
వారు పుష్ డటి ఇతర అనువర్తనాల్లో విలీనం చేయబడింది. ఈ నిర్మాణం
ప్రత్యేకంగా ఇంటిగ్రేట్ చేయడానికి రూపొందించబడింది డటి ప్రస్తుత మరియు డైనమిక్ ఇ
నిజ-సమయ విశ్లేషణలకు మద్దతిచ్చే అవకాశం ఉన్న అభ్యర్థి కావచ్చు,
సర్వీస్ ఏజెంట్లను ఎలా అందించాలి వినియోగదారులు అమ్మకాల సమాచారం
విక్రయాల ట్రెండ్ సమాచారాన్ని సంగ్రహించడం ద్వారా కస్టమర్ యొక్క ప్రస్తుత ట్రెండ్‌లు
గిడ్డంగి నుండే. మూర్తి 1.1లో చూపిన మరొక నిర్మాణం
dw కోసం ఒక అధికారిక స్థితి. ఇది స్థలం మాత్రమే కాదు
అవసరమైన ఏకీకరణ యొక్క అమలు, నాణ్యత డటి, e
యొక్క పరివర్తన డటి స్టాక్ త్వరలో వస్తుంది, కానీ అది కూడా
విశ్వసనీయ మరియు తాత్కాలిక నిల్వ ప్రాంతం డటి అని ప్రత్యుత్తరం ఇవ్వండి
నిజ-సమయ విశ్లేషణలో ఉపయోగించవచ్చు. మీరు నిర్ణయించుకుంటే
ODS లేదా స్టేజింగ్ ఏరియాను ఉపయోగించండి, ఒకటి
ఈ నిర్మాణాలను విస్తరించడానికి ఉత్తమ సాధనాలు డటి ఉపయోగించి
విభిన్న కార్యాచరణ మూలాలు DB2 యొక్క భిన్నమైన పంపిణీ ప్రశ్న.
ఈ సామర్ధ్యం DB2 యొక్క ఐచ్ఛిక లక్షణం ద్వారా అందించబడుతుంది
DB2 రిలేషనల్ కనెక్ట్ (ప్రశ్న మాత్రమే) మరియు DB2 ద్వారా
DataJoiner (అప్లికేషన్‌ని అందించే ప్రత్యేక ఉత్పత్తి,
చొప్పించడం, నవీకరించడం మరియు తొలగించే అవకాశం a
భిన్నమైన పంపిణీ RDBMSలు).
ఈ సాంకేతికత ఆర్కిటెక్ట్‌లను అనుమతిస్తుంది డటి కట్టాలి డటి di
విశ్లేషణాత్మక ప్రక్రియలతో ఉత్పత్తి. సాంకేతికత మాత్రమే కాదు
వాస్తవంగా ఏదైనా ప్రతిరూపణ అభ్యర్థనలకు అనుగుణంగా
అవి నిజ-సమయ విశ్లేషణలతో కనిపిస్తాయి, కానీ అది
వారు అనేక రకాల బేస్‌లకు కూడా కనెక్ట్ చేయవచ్చు డటి మరింత
DB2, Oracle, Sybase, SQL సర్వర్‌తో సహా ప్రసిద్ధి చెందింది,
ఇన్ఫార్మిక్స్ మరియు ఇతరులు. DB2 DataJoinerని పాపులేట్ చేయడానికి ఉపయోగించవచ్చు
ఒక నిర్మాణం డటి ODS లేదా టేబుల్ వంటి లాంఛనప్రాయమైనది
పునరుద్ధరణ కోసం రూపొందించిన గిడ్డంగిలో శాశ్వతంగా ప్రాతినిధ్యం వహిస్తుంది
తక్షణ నవీకరణల కోసం లేదా అమ్మకానికి త్వరగా. సహజంగా,
ఇవే నిర్మాణాలు డటి ఉపయోగించి జనాభా చేయవచ్చు
ప్రతిరూపణ కోసం రూపొందించబడిన మరొక ముఖ్యమైన సాంకేతికత డటి, IBM
డేటా ప్రొపగేటర్ రిలేషనల్. (డేటా ప్రొపగేటర్ ఒక ప్రత్యేక ఉత్పత్తి
కేంద్ర వ్యవస్థల కోసం. DB2 UNIX, Linux, Windows మరియు OS/2 ఉన్నాయి
ప్రతిరూపణ సేవలు డటి ప్రామాణిక లక్షణంగా).
తరలించడానికి మరొక పద్ధతి డటి చుట్టూ పనిచేస్తున్నాయి
ఎంటర్‌ప్రైజ్ అనేది ఎంటర్‌ప్రైజ్ అప్లికేషన్ ఇంటిగ్రేటర్ లేకపోతే
మెసేజ్ బ్రోకర్ అని పిలుస్తారు.ఇది
ప్రత్యేక సాంకేతికత కేంద్రీకరణ కోసం ఎదురులేని నియంత్రణను అనుమతిస్తుంది
(లక్ష్యము) మరియు తరలించు డటి కంపెనీ చుట్టూ. IBMకి మధ్యవర్తి ఉంది
అత్యంత విస్తృతంగా ఉపయోగించే సందేశం, MQSeries లేదా వైవిధ్యం
యొక్క అవసరాలను కలిగి ఉన్న ఉత్పత్తి కామర్స్, IBM
వెబ్‌స్పియర్ MQ.
మద్దతివ్వడానికి MQని ఎలా ఉపయోగించాలనే దానిపై మరింత చర్చ కోసం
గిడ్డంగి మరియు BI పర్యావరణం, సందర్శించండి వెబ్సైట్ పుస్తకం యొక్క. ప్రస్తుతానికి, ఇది
ఈ సాంకేతికత అద్భుతమైన సాధనం అని చెప్పడానికి సరిపోతుంది
సంగ్రహించడం మరియు మార్చడం (MQSeries ఇంటిగ్రేటర్ ఉపయోగించి) డటి
BI పరిష్కారాల కోసం కేంద్రీకృత (లక్ష్యంగా) ఆపరేటర్లను నియమించారు. అక్కడ
MQ సాంకేతికత UDB V8లో ఏకీకృతం చేయబడింది మరియు ప్యాక్ చేయబడింది
అంటే మెసేజ్ క్యూలను ఇప్పుడు మేనేజ్ చేయవచ్చు
అవి DB2 టేబుల్స్ లాగా. యొక్క వెల్డింగ్ భావన
క్యూలో ఉన్న సందేశాలు మరియు విశ్వం డేటాబేస్ రిలేషనల్ దర్శకత్వం వహించబడింది
యొక్క శక్తివంతమైన డెలివరీ వాతావరణం వైపు డటి.
జీరో-లేటెన్సీ జీరో లేటెన్సీ
IBM యొక్క అంతిమ వ్యూహాత్మక లక్ష్యం జీరో లేటెన్సీ (జీరోలేటెన్సీ) అనలిటిక్స్.
ద్వారా నిర్వచించబడింది
గార్ట్‌నర్, BI వ్యవస్థ తప్పనిసరిగా ఊహించగలగాలి, సమీకరించగలగాలి
మరియు అభ్యర్థనపై విశ్లేషకుల కోసం సమాచారాన్ని అందించండి. సవాలు,
వాస్తవానికి, ఇది ఎలా కలపాలి అనే దానిలో ఉంది డటి ప్రస్తుత మరియు నిజ సమయంలో
i వంటి అవసరమైన చారిత్రక సమాచారంతో డటి సంబంధిత మోడల్(లు).
ధోరణి, లేదా సంగ్రహించబడిన అవగాహన, యొక్క వివరణగా
కస్టమర్.
అటువంటి సమాచారంలో, ఉదాహరణకు, గుర్తింపు ఉంటుంది వినియోగదారులు ad
అధిక లేదా తక్కువ ప్రమాదం లేదా ఏ ఉత్పత్తులు i వినియోగదారులు వారు చాలా కొనుగోలు చేస్తారు
బహుశా వారి బండ్లలో ఇప్పటికే జున్ను ఉంటే
కొనుగోళ్లు.
జీరో లేటెన్సీని పొందడం వాస్తవానికి రెండింటిపై ఆధారపడి ఉంటుంది
ప్రాథమిక విధానాలు:
▪ పూర్తి యూనియన్ డటి తో విశ్లేషించబడినవి
BI ద్వారా సృష్టించబడిన సాంకేతికతలు మరియు సాధనాలను స్థాపించారు
▪ డెలివరీ సిస్టమ్ డటి నిర్ధారించడానికి సమర్థవంతమైన
నిజ-సమయ విశ్లేషణ నిజంగా అందుబాటులో ఉంది
జీరో జాప్యం కోసం ఈ ముందస్తు అవసరాలు రెండింటికి భిన్నంగా లేవు
IBMచే స్థాపించబడిన లక్ష్యాలు మరియు పైన వివరించబడ్డాయి.
యొక్క దగ్గరి సంభోగం డటి కార్యక్రమంలో భాగంగా ఉంది
IBM ద్వారా ఏర్పాటు చేయబడిన అతుకులు లేని ఏకీకరణ. మరియు వ్యవస్థను సృష్టించండి
యొక్క డెలివరీ డటి సమర్థవంతమైనది పూర్తిగా ఆధారపడి ఉంటుంది
డెలివరీ ప్రక్రియను సులభతరం చేసే అందుబాటులో ఉన్న సాంకేతికత
డటి. ఫలితంగా, IBM యొక్క మూడు లక్ష్యాలలో రెండు కీలకమైనవి
మూడవదిగా చేయడానికి. IBM స్పృహతో సొంతంగా అభివృద్ధి చేస్తోంది
జీరో లేటెన్సీని నిర్ధారించే సాంకేతికత వినియోగదారులకు వాస్తవం
గిడ్డంగి ప్రయత్నాలు.
సారాంశం / సంశ్లేషణ
BI సంస్థ దీని కోసం రోడ్ మ్యాప్‌ను అందిస్తుంది
మీ వాతావరణాన్ని సృష్టించండి
పునరావృతంగా. అవసరాలను ప్రతిబింబించేలా ఇది సర్దుబాటు చేయాలి
మీ వ్యాపారం, ప్రస్తుత మరియు భవిష్యత్తు రెండూ. వాస్తు దృష్టి లేకుండా
విస్తృత, గిడ్డంగి పునరావృత్తులు కంటే కొంచెం ఎక్కువ
యాదృచ్ఛిక కేంద్ర గిడ్డంగి అమలులు తక్కువ చేయవు
విస్తృత, సమాచార సంస్థను సృష్టించండి.
ప్రాజెక్ట్ మేనేజర్‌లకు మొదటి అడ్డంకి ఏమిటంటే దానిని ఎలా సమర్థించాలనేది
BI సంస్థ అభివృద్ధికి అవసరమైన పెట్టుబడులు.
ROI గణన ప్రధాన మద్దతుగా ఉన్నప్పటికీ
గిడ్డంగి విజయాలు, ఇది మరింత కష్టంగా మారుతోంది
సరిగ్గా అంచనా వేయండి. ఇది ఇతర పద్ధతులకు దారితీసింది
మీరు మీ డబ్బు విలువను పొందుతున్నారో లేదో నిర్ణయించడం. ది
పెట్టుబడిపై విలువ 2 (VOI), ఉదాహరణకు, సేకరించబడుతుంది
పరిష్కారంగా.
యొక్క వాస్తుశిల్పులపై ఇది బాధ్యత వహిస్తుంది డటి మరియు ప్రాజెక్ట్ ప్లానర్లు
ఉద్దేశపూర్వకంగా సృష్టించడం మరియు సంఘాలకు సమాచారం అందించడం
వినియోగదారులు మరియు కేవలం వారికి సేవను అందించరు డటి. అక్కడ ఒక
రెండింటి మధ్య భారీ వ్యత్యాసం. సమాచారం అనేది ఒకరు చేసే పని
నిర్ణయం తీసుకునే ప్రక్రియలు మరియు ప్రభావంలో వ్యత్యాసం; సాపేక్షంగా, i
డటి వారు ఆ సమాచారాన్ని పొందేందుకు బిల్డింగ్ బ్లాక్స్ చేస్తున్నారు.
నేను మూలాన్ని విమర్శించినా డటి అభ్యర్థనలను పరిష్కరించడానికి
వాణిజ్య, BI పర్యావరణం పెద్ద పాత్రను అందించాలి
సమాచార కంటెంట్ సృష్టిలో. మనం తీసుకోవాలి
శుభ్రపరచడానికి, ఏకీకృతం చేయడానికి, రూపాంతరం చేయడానికి లేదా
లేకుంటే దాని ప్రకారం సమాచార కంటెంట్‌ను సృష్టించండి
వినియోగదారులు చర్య తీసుకోవచ్చు, కాబట్టి మేము వాటిని నిర్ధారించుకోవాలి
సహేతుకమైన చోట చర్యలు మరియు నిర్ణయాలు మద్దతివ్వబడతాయి
BI వాతావరణంలో. మేము గిడ్డంగిని మాత్రమే సర్వ్ చేయడానికి బహిష్కరిస్తే డటి,
వినియోగదారు సంఘాలు కంటెంట్‌ను సృష్టిస్తాయని హామీ ఇవ్వబడింది
చర్య తీసుకోవడానికి అవసరమైన సమాచారం. ఇది వారి అని నిర్ధారిస్తుంది
సంఘం మంచి నిర్ణయాలు తీసుకోగలదు, కానీ సంస్థ
వారు ఉపయోగించిన జ్ఞానం లేకపోవడంతో బాధపడుతున్నారు.
తేదీ ఆర్కిటెక్ట్‌లు మరియు ప్రాజెక్ట్ ప్లానర్లు ప్రాజెక్ట్‌లను ప్రారంభిస్తారు
BI పర్యావరణానికి నిర్దిష్టంగా, వారు సంస్థకు జవాబుదారీగా ఉంటారు
పెద్దగా. ఈ రెండు లక్షణాలకు ఒక సాధారణ ఉదాహరణ
BI పునరావృతాల ముఖాలు మూలంలో కనుగొనబడ్డాయి డటి. అన్నీ
డటి నిర్దిష్ట వాణిజ్య అభ్యర్థనల కోసం స్వీకరించబడాలి
మొదటి అణు పొరలో జనాభా. ఇది అభివృద్ధిని నిర్ధారిస్తుంది
కార్పొరేట్ సమాచారం యొక్క ఆస్తి, అలాగే నిర్వహణ, దర్శకత్వం
పునరావృతంలో నిర్వచించబడిన వినియోగదారు-నిర్దిష్ట అభ్యర్థనలు.

W hatisa D ata W అరేహౌస్?
డేటా గిడ్డంగి ఇది సమాచార వ్యవస్థల నిర్మాణం యొక్క గుండె
1990 నుండి మరియు సాలిడ్ అందించడం ద్వారా సమాచార ప్రక్రియలకు మద్దతు ఇస్తుంది
ఇంటిగ్రేటెడ్ ప్లాట్‌ఫారమ్ డటి చరిత్రకారులు తదుపరి వాటికి ఆధారంగా తీసుకున్నారు
విశ్లేషిస్తుంది. ది డేటా గిడ్డంగి a లోకి ఇంటిగ్రేషన్ సౌలభ్యాన్ని అందిస్తుంది
ఒకదానికొకటి అనుకూలంగా లేని అప్లికేషన్ సిస్టమ్‌ల ప్రపంచం. తేదీ
గిడ్డంగి ఒక ట్రెండ్‌గా పరిణామం చెందింది. డేటా గిడ్డంగి
నిర్వహించండి మరియు నిల్వ చేయండి i డటి సమాచార ప్రక్రియలకు అవసరమైనవి ఇ
సుదీర్ఘ చారిత్రక తాత్కాలిక దృక్పథం ఆధారంగా విశ్లేషణాత్మకమైనది. అన్నీ
ఇది నిర్మాణానికి గణనీయమైన మరియు స్థిరమైన నిబద్ధతను కలిగి ఉంటుంది మరియు
నిర్వహణలో డేటా గిడ్డంగి.
కాబట్టి a ఏమిటి డేటా గిడ్డంగి? ఒక డేటా గిడ్డంగి మరియు:
▪ సబ్జెక్ట్-ఓరియెంటెడ్
▪ ఇంటిగ్రేటెడ్ సిస్టమ్
▪ వేరియంట్ సమయం
▪ అస్థిరత లేనిది (తొలగించబడదు)
యొక్క సేకరణ డటి లో నిర్వాహక నిర్ణయాలకు మద్దతు ఇవ్వడానికి ఉపయోగిస్తారు
ప్రక్రియల అమలు.
I డటి చొప్పించబడింది డేటా గిడ్డంగి చాలా వరకు ఉత్పన్నమవుతాయి
కార్యాచరణ పరిసరాల నుండి కేసులు. ది డేటా గిడ్డంగి అది ఒకరిచే చేయబడుతుంది
నిల్వ యూనిట్, భౌతికంగా మిగిలిన వాటి నుండి వేరు చేయబడింది
వ్యవస్థ, ఇది కలిగి ఉంటుంది డటి ద్వారా గతంలో రూపాంతరం చెందింది
పర్యావరణం నుండి పొందిన సమాచారంపై పనిచేసే అప్లికేషన్లు
కార్యాచరణ.
a యొక్క సాహిత్య నిర్వచనం డేటా గిడ్డంగి లోతైన అధ్యయనానికి అర్హుడు
యొక్క ముఖ్యమైన ప్రేరణలు మరియు అర్థాలు ఉన్నందున వివరణ
గిడ్డంగి యొక్క లక్షణాలను వివరించే నేపథ్యం.
సబ్జెక్ట్ ఓరియెంటేషన్ ఓరియెంటేషన్
థిమాటిక్
a యొక్క మొదటి లక్షణం డేటా గిడ్డంగి వైపు దృష్టి సారించింది
కంపెనీలో ప్రధాన ఆటగాళ్ళు. ద్వారా ట్రయల్స్ గైడ్
డటి ఇది అందించే మరింత క్లాసిక్ పద్ధతికి విరుద్ధంగా ఉంది
ప్రక్రియలు మరియు విధుల వైపు అప్లికేషన్ల ధోరణి,
చాలా మంది ద్వారా ఎక్కువగా భాగస్వామ్యం చేయబడిన పద్ధతి
పాత నిర్వహణ వ్యవస్థలు.
కార్యాచరణ ప్రపంచం అప్లికేషన్లు మరియు ఫంక్షన్ల చుట్టూ రూపొందించబడింది
రుణాలు, పొదుపులు, బ్యాంక్ కార్డ్‌లు మరియు సంస్థ కోసం ట్రస్ట్ వంటివి
ఆర్థిక. dw ప్రపంచం సబ్జెక్ట్‌ల చుట్టూ నిర్వహించబడింది
కస్టమర్, విక్రేత, ఉత్పత్తి మరియు వ్యాపారం వంటి ప్రిన్సిపాల్స్.
అంశాల చుట్టూ అమరిక డిజైన్ మరియు ప్రభావితం చేస్తుంది
యొక్క సాక్షాత్కారంపై డటి dwలో కనుగొనబడింది. మరింత ముఖ్యంగా,
ప్రధాన అంశం అత్యంత ముఖ్యమైన భాగాన్ని ప్రభావితం చేస్తుంది
కీలక నిర్మాణం.
అప్లికేషన్ యొక్క ప్రపంచం డేటా రూపకల్పన రెండింటి ద్వారా ప్రభావితమవుతుంది
ప్రక్రియ రూపకల్పన ఆధారంగా. యొక్క ప్రపంచం
dw మోడలింగ్‌పై ప్రత్యేకంగా దృష్టి సారించింది డటి ఇది ఆన్‌లో ఉంది
యొక్క డ్రాయింగ్ డేటాబేస్. ప్రక్రియ రూపకల్పన (దాని రూపంలో
క్లాసికల్) dw వాతావరణంలో భాగం కాదు.
ప్రక్రియ/ఫంక్షన్ మరియు అప్లికేషన్ ఎంపిక మధ్య తేడాలు
సబ్జెక్ట్ వారీగా ఎంపిక కంటెంట్‌లో తేడాలుగా కూడా వెల్లడైంది
డీ డటి వివరణాత్మక స్థాయిలో. ది డటి dwలో i చేర్చబడలేదు డటి che
అప్లికేషన్ల సమయంలో DSS ప్రక్రియ కోసం ఉపయోగించబడదు
కార్యాచరణ ఆధారిత డటి i కలిగి ఉంటాయి డటి సంతృప్తి పరచడానికి
తక్షణమే ఫంక్షనల్/ప్రాసెసింగ్ అవసరాలు o
DSS విశ్లేషకుడికి తక్కువ ఉపయోగం ఉంటుంది.
కార్యాచరణ ఆధారిత అనువర్తనాల్లో మరొక ముఖ్యమైన మార్గం
ai డటి నుండి భిన్నంగా ఉంటాయి డటి యొక్క dw dei నివేదికలలో ఉంది డటి. నేను డటి
కార్యాచరణ రెండు లేదా అంతకంటే ఎక్కువ పట్టికల మధ్య నిరంతర సంబంధాన్ని నిర్వహిస్తుంది
సక్రియంగా ఉన్న వ్యాపార నియమం ఆధారంగా. ది డటి dw ద్వారా
అవి సమయం యొక్క స్పెక్ట్రమ్‌ను కలిగి ఉంటాయి మరియు dwలో కనుగొనబడిన సంబంధాలు
అనేక అనేక వ్యాపార నియమాలు (మరియు తదనుగుణంగా, అనేక
యొక్క నివేదికలు డటి ) యొక్క గిడ్డంగిలో ప్రాతినిధ్యం వహిస్తారు డటి రెండు o మధ్య
బహుళ పట్టికలు.
(మధ్య సంబంధాలు ఎలా ఉన్నాయో వివరణాత్మక వివరణ కోసం డటి నిద్ర
DWలో నిర్వహించబడుతుంది, మేము దానిపై సాంకేతిక అంశాన్ని సూచిస్తాము
ప్రశ్న.)
భిన్నత్వం తప్ప మరే ఇతర దృక్కోణం నుండి
ఫంక్షనల్/ప్రాసెస్ అప్లికేషన్ ఎంపిక మరియు మధ్య ప్రాథమికమైనది
ఒక విషయం ఎంపిక, వ్యవస్థల మధ్య ఎక్కువ వ్యత్యాసం ఉంటుంది
కార్యాచరణ ei డటి మరియు DW.
ఇంటిగ్రేషన్ ఇంటిగ్రేషన్
dw పర్యావరణం యొక్క అతి ముఖ్యమైన అంశం ఏమిటంటే i డటి కనుగొన్నారు
dw లోపల అవి సులభంగా కలిసిపోతాయి. ఎల్లప్పుడూ. లేకుండా
మినహాయింపులు. dw పర్యావరణం యొక్క సారాంశం ఏమిటంటే i డటి
గిడ్డంగి పరిమితుల్లో ఉన్నవి ఏకీకృతం చేయబడ్డాయి.
ఇంటిగ్రేషన్ అనేక రకాలుగా - సమావేశాలలో బహిర్గతమవుతుంది
స్థిరమైన వేరియబుల్స్ యొక్క కొలతలో స్థిరంగా గుర్తించబడింది
యొక్క భౌతిక లక్షణాలలో క్రోడీకరించబడిన నిర్మాణాలు డటి
స్థిరమైన, మరియు అందువలన న.
సంవత్సరాలుగా వివిధ అప్లికేషన్ల రూపకర్తలు అలా చేసారు
అప్లికేషన్ ఎలా ఉండాలి అనే దాని గురించి అనేక నిర్ణయాల స్వాధీనం
అభివృద్ధి చెందుతాయి. వ్యక్తిగతీకరించిన శైలి మరియు డిజైన్ నిర్ణయాలు
డిజైనర్ల అప్లికేషన్లు వంద విధాలుగా తమను తాము వెల్లడిస్తాయి: in
కోడింగ్ తేడాలు, కీ నిర్మాణం, భౌతిక లక్షణాలు,
సమావేశాల గుర్తింపు, మరియు మొదలైనవి. అనేకుల సమిష్టి సామర్థ్యం
అప్లికేషన్ డిజైనర్లు అస్థిరమైన అప్లికేషన్లను సృష్టిస్తారు
అది పురాణగాథ. మూర్తి 3 మరిన్ని తేడాలను తెలియజేస్తుంది
అప్లికేషన్లు రూపొందించబడిన మార్గాలలో ముఖ్యమైనవి.
ఎన్‌కోడింగ్: ఎన్‌కోడింగ్:
అప్లికేషన్ డిజైనర్లు ఫీల్డ్ కోడింగ్‌ని ఎంచుకున్నారు -
సెక్స్ - వివిధ మార్గాల్లో. డిజైనర్ సెక్స్‌ని ఇలా సూచిస్తాడు
ఒక "m" మరియు "f". మరొక డిజైనర్ సెక్స్‌ను “1”గా సూచిస్తాడు
మరియు "0". మరొక డిజైనర్ సెక్స్‌ను "x"గా సూచిస్తాడు మరియు
"y". మరొక డిజైనర్ సెక్స్ను "పురుషుడు"గా సూచిస్తాడు మరియు
"స్త్రీ". సెక్స్ DWలోకి ఎలా వస్తుంది అనేది పెద్దగా పట్టింపు లేదు. "M"
మరియు "F" బహుశా అన్నింటిలాగే మంచివి
ప్రాతినిథ్యం.
ముఖ్యమైన విషయం ఏమిటంటే, సెక్స్ రంగం ఏ మూలం నుండి వచ్చినదో,
ఆ ఫీల్డ్ DWకి స్థిరమైన సమీకృత స్థితిలో చేరుకుంటుంది. నుండి
ఫీల్డ్ నుండి DW లోకి లోడ్ చేయబడినప్పుడు పర్యవసానంగా
ఫార్మాట్‌లో సూచించబడిన అప్లికేషన్
"M" మరియు "F", i డటి తప్పనిసరిగా DW ఆకృతికి మార్చబడాలి.
లక్షణాల కొలత: యొక్క కొలత
గుణాలు:
అప్లికేషన్ డిజైనర్లు పైప్‌లైన్‌ను కొలవడానికి ఎంచుకున్నారు
కోర్సులో వివిధ మార్గాలు
కొన్ని సంవత్సరాలు. ఒక డిజైనర్ నిల్వ చేస్తుంది డటి లో పైప్లైన్ యొక్క
సెంటీమీటర్లు. మరొక అప్లికేషన్ డిజైనర్ నిల్వ చేస్తుంది డటి
అంగుళాల పరంగా పైప్‌లైన్. యొక్క మరొక డిజైనర్
అప్లికేషన్ స్టోర్లు i డటి మిలియన్ క్యూబిక్ అడుగులలో పైప్‌లైన్
సెకనుకు. మరియు మరొక డిజైనర్ యొక్క సమాచారాన్ని నిల్వ చేస్తుంది
యార్డుల వారీగా పైప్‌లైన్. మూలం ఏదైనా, ఎప్పుడు
పైప్‌లైన్ సమాచారం తప్పనిసరిగా DWలో వస్తుంది
అదే విధంగా కొలుస్తారు.
ఫిగర్ 3లోని సూచనల ప్రకారం, ఇంటిగ్రేషన్ సమస్యలు
వారు ప్రాజెక్ట్ యొక్క దాదాపు ప్రతి అంశాన్ని ప్రభావితం చేస్తారు - లక్షణాలు
భౌతిక దేవతలు డటి, ఒకటి కంటే ఎక్కువ మూలాలను కలిగి ఉన్న సందిగ్ధత డటి,
అస్థిరమైన గుర్తించబడిన నమూనాల సమస్య, ఫార్మాట్‌లు డటి
అస్థిరత, మరియు మొదలైనవి.
డిజైన్ అంశం ఏదైనప్పటికీ, ఫలితం ఒకే విధంగా ఉంటుంది -
i డటి తప్పనిసరిగా DWలో ఏకవచనం eలో నిల్వ చేయాలి
యొక్క ఆపరేటింగ్ సిస్టమ్‌లు ఉన్నప్పటికీ ప్రపంచవ్యాప్తంగా ఆమోదయోగ్యమైన పద్ధతి
దిగువన వారు భిన్నంగా నిల్వ చేస్తారు i డటి.
DSS విశ్లేషకుడు DWని చూసినప్పుడు, విశ్లేషకుడి లక్ష్యం
అది దోపిడీ అయి ఉండాలి 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 వాతావరణంలో ఉన్నాయి
యాక్సెస్ సమయంలో ఖచ్చితమైనది. వేరే పదాల్లో,
డ్రైవ్ యాక్సెస్ చేయబడినప్పుడు ఆపరేటింగ్ వాతావరణంలో డటి, అవును
యాక్సెస్ సమయంలో ఇది ఖచ్చితమైన విలువలను ప్రతిబింబించే వరకు వేచి ఉండండి.
నేను ఎందుకంటే డటి DWలో ఏదో ఒక సమయంలో ఖచ్చితమైనవి
సమయం (అనగా, "ప్రస్తుతం" కాదు), నేను అని చెప్పబడింది డటి DWలో కనుగొనబడింది
అవి "సమయ వ్యత్యాసాలు".
యొక్క సమయ వ్యత్యాసం డటి DW ద్వారా అనేక విధాలుగా సూచించబడుతుంది.
సరళమైన మార్గం ఏమిటంటే నేను డటి ఒక DW ప్రాతినిధ్యం వహిస్తుంది డటి అది ఒక
దీర్ఘకాల హోరిజోన్ - ఐదు నుండి పది సంవత్సరాలు. హోరిజోన్
ఆపరేటింగ్ ఎన్విరాన్మెంట్ కోసం సూచించిన కాలపరిమితి చాలా తక్కువగా ఉంటుంది
▪ నేటి ప్రస్తుత విలువల నుండి అరవై తొంభై వరకు
బాగా పని చేయాల్సిన మరియు ఉండాల్సిన అప్లికేషన్లు
లావాదేవీ ప్రాసెసింగ్ కోసం అందుబాటులో ఉండాలి
కనీస పరిమాణం డటి వారు ఏదైనా డిగ్రీని ఒప్పుకుంటే
వశ్యత. కాబట్టి ఆపరేషనల్ అప్లికేషన్‌లకు హోరిజోన్ ఉంటుంది
చిన్న సమయ ప్రమాణం, రూపకల్పన అంశంగా
ఆడియో అప్లికేషన్లు.
DWలో 'సమయ వ్యత్యాసం' కనిపించే రెండవ మార్గం
కీలక నిర్మాణం. DWలోని ప్రతి కీలక నిర్మాణం కలిగి ఉంటుంది,
అవ్యక్తంగా లేదా స్పష్టంగా, సమయం యొక్క మూలకం, వంటి
రోజు, వారం, నెల మొదలైనవి. సమయం యొక్క మూలకం దాదాపు ఎల్లప్పుడూ ఉంటుంది
DWలో కనుగొనబడిన సంయోగ కీ దిగువన. వీటిలో
సందర్భాలలో, సమయం యొక్క మూలకం అవకాశం వలె అవ్యక్తంగా ఉంటుంది
ఇక్కడ మొత్తం ఫైల్ నెల లేదా త్రైమాసికం చివరిలో నకిలీ చేయబడుతుంది.
సమయ వ్యత్యాసం ప్రదర్శించబడే మూడవ మార్గం i డటి యొక్క
DW, సరిగ్గా నమోదు చేయబడిన వెంటనే, ఉండకూడదు
నవీకరించబడింది. ది డటి DW యొక్క, అన్ని ఆచరణాత్మక ప్రయోజనాల కోసం, సుదీర్ఘమైనది
స్నాప్‌షాట్‌ల శ్రేణి. స్నాప్‌షాట్‌లు అయితే
తప్పుగా తీసుకోబడింది, అప్పుడు స్నాప్‌షాట్‌లు కావచ్చు
సవరించబడింది. కానీ స్నాప్‌షాట్‌లు తీయబడినవిగా భావించండి
సరిగ్గా, అవి తయారు చేయబడిన వెంటనే సవరించబడవు. కొన్ని
సందర్భాలలో స్నాప్‌షాట్‌లు అనైతికంగా ఉండవచ్చు లేదా చెల్లనివి కావచ్చు
DW సవరించబడ్డాయి. ది డటి కార్యాచరణ, లో వలె ఖచ్చితమైనది
లాగిన్ క్షణం, అది వచ్చినప్పుడు వాటిని నవీకరించవచ్చు
అవసరం.
నాన్-వోలటైల్
DW యొక్క నాల్గవ ముఖ్యమైన లక్షణం అది అస్థిరత లేనిది.
నవీకరణలు, చొప్పించడం, తొలగింపులు మరియు మార్పులు చేయబడ్డాయి
రికార్డ్-బై-రికార్డ్ కార్యాచరణ వాతావరణాల కోసం క్రమం తప్పకుండా. కానీ
యొక్క ప్రాథమిక తారుమారు డటి DWలో అవసరమైనవి చాలా ఎక్కువ
సాధారణ. లో రెండు రకాల ఆపరేషన్లు మాత్రమే జరుగుతాయి
DW - యొక్క ప్రారంభ లోడ్ డటి మరియు యాక్సెస్ డటి. అక్కడ లేదు
యొక్క నవీకరణ లేదు డటి (సాధారణ అర్థంలో
నవీకరణ) సాధారణ ప్రాసెసింగ్ ఆపరేషన్ వలె DW లో.
ఈ వ్యత్యాసం యొక్క కొన్ని శక్తివంతమైన పరిణామాలు ఉన్నాయి
కార్యాచరణ ప్రాసెసింగ్ మరియు DW ప్రాసెసింగ్ మధ్య ఆధారం. స్థాయిలో
డిజైన్ ద్వారా, అప్‌గ్రేడ్ చేయడంలో జాగ్రత్తగా ఉండాలి
యొక్క అప్‌డేట్ నుండి DWలో అసాధారణమైనది ఏ కారకం కాదు డటి అది కాదు
చేపట్టారు. దీని అర్థం భౌతిక రూపకల్పన స్థాయిలో,
యాక్సెస్‌ను ఆప్టిమైజ్ చేయడానికి స్వేచ్ఛను తీసుకోవచ్చు డటి,
ముఖ్యంగా ప్రామాణీకరణ అంశాలతో వ్యవహరించడంలో మరియు
భౌతిక డీనార్మలైజేషన్. సరళత యొక్క మరొక పరిణామం
DW యొక్క కార్యకలాపాలు ఉపయోగించిన అంతర్లీన సాంకేతికతలో ఉన్నాయి
DW వాతావరణాన్ని అమలు చేయండి. అప్‌డేట్‌లకు మద్దతివ్వాలి
రికార్డ్ ఇన్‌లైన్ ద్వారా రికార్డ్ చేయండి (తరచుగా జరిగే విధంగా
కార్యాచరణ ప్రాసెసింగ్) సాంకేతికత కొంత అవసరం
స్పష్టమైన సరళత కింద చాలా క్లిష్టమైన పునాదులు.
బ్యాకప్ మరియు రికవరీ, లావాదేవీలకు మద్దతు ఇచ్చే సాంకేతికత
మరియు సమగ్రత డటి మరియు డెడ్‌లాక్ పరిస్థితిని గుర్తించడం మరియు నివారణ చేయడం
చాలా క్లిష్టమైన మరియు DW ప్రాసెసింగ్ కోసం అవసరం లేదు.
DW యొక్క లక్షణాలు, డిజైన్ ఓరియంటేషన్,
యొక్క ఏకీకరణ డటి DW లోపల, సమయ వ్యత్యాసం మరియు సరళత
యొక్క నిర్వహణ డటి, ప్రతిదీ చాలా చాలా వాతావరణంలో దారితీస్తుంది
క్లాసిక్ ఆపరేటింగ్ పర్యావరణం నుండి భిన్నంగా ఉంటుంది. దాదాపు అన్నింటికీ మూలం
డటి DW అనేది ఆపరేటింగ్ పర్యావరణం. ఆలోచించాలనిపిస్తుంది
యొక్క భారీ రిడెండెన్సీ ఉంది డటి రెండు వాతావరణాల మధ్య.
నిజానికి, చాలా మందికి ఉన్న మొదటి అభిప్రాయం
యొక్క గొప్ప రిడెండెన్సీ డటి ఆపరేటింగ్ వాతావరణం మరియు పర్యావరణం మధ్య
DW. అటువంటి వివరణ ఉపరితలం మరియు ఒకదానిని ప్రదర్శిస్తుంది
DWలో ఏమి జరుగుతుందో అవగాహన లేకపోవడం.
నిజానికి రిడెండెన్సీ కనిష్టంగా ఉంది డటి ఆపరేటింగ్ వాతావరణం మధ్య
మరియు డటి DW యొక్క. కింది వాటిని పరిశీలిద్దాం:
▪ I డటి అవి ఫిల్టర్ చేయబడతాయి తేదీ అది ఆపరేటింగ్ వాతావరణం నుండి వెళుతుంది
DW పర్యావరణానికి. అనేక డటి వారు ఎప్పుడూ బయటికి వెళ్లరు
ఆపరేటింగ్ వాతావరణం నుండి. ఐ తప్ప డటి కోసం అవసరమైనవి
DSS ప్రాసెసింగ్ పర్యావరణంలో వారి దిశను కనుగొంటుంది
▪ సమయ హోరిజోన్ డటి ఇది పర్యావరణం నుండి చాలా భిన్నంగా ఉంటుంది
మరొకరికి. ది డటి ఆపరేటింగ్ వాతావరణంలో అవి చాలా తాజాగా ఉంటాయి. ది డటి
DWలో వారు చాలా పెద్దవారు. కేవలం దృక్కోణం నుండి
సమయ హోరిజోన్‌లో, అతి తక్కువ అతివ్యాప్తి ఉంది
ఆపరేటింగ్ పర్యావరణం మరియు DW మధ్య.
▪ DW కలిగి ఉంది డటి ఎప్పుడూ కనుగొనబడని సారాంశం
పర్యావరణంలో
▪ I డటి నుండి ప్రాథమిక పరివర్తనకు లోనవుతుంది
వారు మూర్తి 3కి మారిన క్షణం చాలా వరకు వివరిస్తుంది
భాగంగా డటి పరిస్థితిలో గణనీయంగా మార్చబడ్డాయి
ఎంపిక చేసి DWకి తరలించాలి. మరొక విధంగా చెప్పాలంటే, ది
చాలా వరకు డటి భౌతికంగా సవరించబడింది మరియు
సమూలంగా అది DWకి ఎలా తరలించబడింది. దృక్కోణం నుండి
ఏకీకరణ ఒకేలా ఉండదు డటి ఎవరు నివసిస్తున్నారు
ఆపరేటింగ్ వాతావరణంలో.
ఈ కారకాల వెలుగులో, రిడెండెన్సీ డటి రెండు వాతావరణాల మధ్య ఉంది
అరుదైన సంఘటన, రెండింటి మధ్య 1% కంటే తక్కువ రిడెండెన్సీకి దారితీసింది
పరిసరాలు.
వేర్‌హౌస్ యొక్క నిర్మాణం
DW లు ప్రత్యేకమైన నిర్మాణాన్ని కలిగి ఉంటాయి. సారాంశం యొక్క వివిధ స్థాయిలు ఉన్నాయి మరియు
DWలను గుర్తించే వివరాలు.
DW యొక్క వివిధ భాగాలు:
▪ మెటాడేటా
▪ డటి ప్రస్తుత వివరాలు
▪ డటి పాత వివరాలు
▪ డటి కొద్దిగా సంగ్రహించబడింది
▪ డటి అత్యంత సంగ్రహించబడింది
ఇప్పటివరకు ప్రధాన ఆందోళన ఉంది డటి వివరాలు
ప్రవాహాలు. ఇది ప్రధాన ఆందోళన ఎందుకంటే:
▪ I డటి ప్రస్తుత వివరాలు ఇటీవలి సంఘటనలను ప్రతిబింబిస్తాయి,
ఇది ఎల్లప్పుడూ గొప్ప ఆసక్తిని కలిగి ఉంటుంది మరియు
▪ i డటి ప్రస్తుత వివరాలు భారీగా ఉన్నాయి ఎందుకంటే ఇది
గ్రాన్యులారిటీ యొక్క అత్యల్ప స్థాయిలో నిల్వ చేయబడుతుంది ఇ
▪ i డటి ప్రస్తుత వివరాలు దాదాపు ఎల్లప్పుడూ నిల్వ చేయబడతాయి
డిస్క్ నిల్వ, ఇది త్వరితంగా యాక్సెస్ చేయగలదు, కానీ ఖరీదైనది మరియు
నుండి సంక్లిష్టమైనది
I డటి వివరంగా వారు పెద్దవారు డటి వీటిలో నిల్వ ఉంటాయి
కొన్ని జ్ఞాపకాలు మాసా. ఇది అప్పుడప్పుడు యాక్సెస్‌ని కలిగి ఉంటుంది మరియు ఉంది
అనుకూలమైన వివరాల స్థాయిలో నిల్వ చేయబడుతుంది డటి వివరంగా
ప్రవాహాలు. యొక్క మాధ్యమంలో నిల్వ చేయడం తప్పనిసరి కానప్పటికీ
ప్రత్యామ్నాయ నిల్వ, పెద్ద పరిమాణం కారణంగా డటి తో ఐక్యమయ్యారు
యొక్క అప్పుడప్పుడు యాక్సెస్ డటి, మెమరీ మద్దతు డటి di
పాత వివరాలు సాధారణంగా డిస్క్‌లో నిల్వ చేయబడవు.
I డటి కొద్దిగా సంగ్రహించబడ్డాయి డటి దిగువ నుండి స్వేదనం చేయబడినవి
వివరాల స్థాయి ప్రస్తుత స్థాయిలో కనుగొనబడింది. ఈ
DW స్థాయి దాదాపు ఎల్లప్పుడూ డిస్క్ నిల్వలో నిల్వ చేయబడుతుంది. ది
వాస్తుశిల్పికి తలెత్తే డిజైన్ సమస్యలు డటి
DW యొక్క ఈ స్థాయి నిర్మాణంలో:
▪ పైన పేర్కొన్న సారాంశం సమయం యొక్క ఏ యూనిట్
▪ ఏ కంటెంట్‌లు, గుణాలు కొద్దిగా సంగ్రహిస్తాయి
యొక్క కంటెంట్ డటి
యొక్క తదుపరి స్థాయి డటి DWలో కనుగొనబడినది డటి అత్యంత
సారాంశాలు. ది డటి అత్యంత సంగ్రహించబడినవి కాంపాక్ట్ మరియు సులభంగా ఉంటాయి
అందుబాటులో. ది డటి చాలా సంగ్రహించబడినవి కొన్నిసార్లు కనుగొనబడతాయి
DW వాతావరణంలో మరియు ఇతర సందర్భాల్లో i డటి అత్యంత సంగ్రహించబడ్డాయి
DWని కలిగి ఉన్న సాంకేతికత యొక్క తక్షణ గోడల వెలుపల కనుగొనబడింది.
(ఏదైనా సందర్భంలో, i డటి చాలా సంగ్రహించబడినవి DWలో భాగం
నేను ఎక్కడ ఉన్నా సంబంధం లేకుండా 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 నేరుగా
ఆపరేటింగ్ వాతావరణం నుండి తీసుకోబడింది. మెటాడేటాకు ప్రత్యేక పాత్ర ఉంది ఇ
DWలో చాలా ముఖ్యమైనది. మెటాడేటా ఇలా ఉపయోగించబడుతుంది:
▪ DSS విశ్లేషకుడికి సహాయం చేయడానికి ఒక డైరెక్టరీ
DW యొక్క కంటెంట్,
▪ మ్యాపింగ్ చేయడానికి ఒక గైడ్ డటి నేను ఎలా డటి వారు
కార్యాచరణ వాతావరణం నుండి DW పర్యావరణానికి రూపాంతరం చెందింది,
▪ మధ్య సారాంశం కోసం ఉపయోగించే అల్గారిథమ్‌లకు గైడ్ డటి di
ప్రస్తుత వివరాలు ei డటి కొద్దిగా సంగ్రహించబడింది, i డటి అత్యంత
సారాంశాలు,
DW వాతావరణంలో మెటాడేటా చాలా పెద్ద పాత్ర పోషిస్తుంది
కార్యాచరణ వాతావరణంలో వారు ఎన్నడూ లేనంతగా
పాత వివరాల నిల్వ మాధ్యమం
ఆ రకమైన నిల్వ చేయడానికి మాగ్నెటిక్ టేప్ ఉపయోగించవచ్చు
డటి. నిజానికి అనేక రకాల నిల్వ సాధనాలు ఉన్నాయి
పాతవాటిని భద్రపరచడం కోసం వాటిని పరిగణించాలి డటి di
వివరాలు.
యొక్క వాల్యూమ్ మీద ఆధారపడి ఉంటుంది డటి, యాక్సెస్ ఫ్రీక్వెన్సీ, ఖర్చు
సాధనాలు మరియు యాక్సెస్ రకం, ఇది పూర్తిగా సంభావ్యమైనది
ఇతర సాధనాలకు పాత స్థాయి వివరాలు అవసరం
DW లో.
డేటా ప్రవాహం
యొక్క సాధారణ మరియు ఊహాజనిత ప్రవాహం ఉంది డటి DW లోపల.
I డటి అవి ఆపరేటింగ్ వాతావరణం నుండి DWలోకి ప్రవేశిస్తాయి. (గమనిక: ఉన్నాయి
ఈ నియమానికి కొన్ని ఆసక్తికరమైన మినహాయింపులు. అయితే, దాదాపు
అన్నీ డటి ఆపరేటింగ్ వాతావరణం నుండి DW ను నమోదు చేయండి). తేదీ నేను డటి
అవి ఆపరేటింగ్ ఎన్విరాన్మెంట్ నుండి DWలోకి ప్రవేశిస్తాయి, అది ఉన్నట్లుగా రూపాంతరం చెందుతుంది
ముందు వివరించబడింది. DWలోకి ప్రవేశించే షరతుపై, i డటి వారు ప్రవేశిస్తారు
చూపిన విధంగా ప్రస్తుత వివరాల స్థాయి. ఇది అక్కడ నివసిస్తుంది మరియు ఉపయోగించబడుతుంది
మూడు సంఘటనలలో ఒకటి జరిగే వరకు:
▪ శుద్ధి చేయబడింది,
▪ సంగ్రహించబడింది, మరియు/లేదా
▪ ఉంది
DW కదలికల 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. ఉన్నాయి
చూపిన ప్రవాహానికి కొన్ని మినహాయింపులు (తరువాత చర్చించబడతాయి).
అయితే, సాధారణంగా, చాలా మందికి డటి కనుగొన్నారు
ఒక DW లోపల, ప్రవాహం డటి అది వర్ణించబడినట్లుగా ఉంది.
డేటావేర్‌హౌస్‌ని ఉపయోగించడం
వివిధ స్థాయిలలో ఆశ్చర్యం లేదు డటి DW లోపల కాదు
వివిధ స్థాయిల వినియోగాన్ని స్వీకరించండి. నియమం ప్రకారం, అధిక స్థాయి
సారాంశం, ప్లస్ i డటి అవి ఉపయోగించబడతాయి.
అనేక ఉపయోగాలు జరుగుతాయి డటి చాలా సంగ్రహించబడింది, అయితే పాతవి
డటి వివరాలు దాదాపు ఎప్పుడూ ఉపయోగించబడవు. లో మంచి కారణం ఉంది
సంస్థను వనరుల వినియోగ నమూనాకు తరలించండి. అతనికి ఎక్కువ
సారాంశం i డటి, త్వరగా మరియు మరింత సమర్థవంతంగా చేరుకోవడానికి డటి. సే
un షాప్ DW వివరాల స్థాయిలో ఇది చాలా ప్రాసెసింగ్ చేస్తుందని కనుగొనండి,
అప్పుడు సంబంధిత పెద్ద మొత్తంలో యంత్ర వనరులు
వినియోగించబడుతుంది. ప్రాసిక్యూట్ చేయడం అందరికి మేలు చేస్తుంది
వీలైనంత త్వరగా అధిక స్థాయి సారాంశం వలె.
అనేక దుకాణాల కోసం, ప్రీ-DW వాతావరణంలో DSS విశ్లేషకుడు ఉపయోగించారు
డటి వివరాల స్థాయిలో. అనేక అంశాలలో రాక డటి వివరంగా
అవి అందుబాటులో ఉన్నప్పటికీ, అది భద్రతా దుప్పటిని పోలి ఉంటుంది
సారాంశం యొక్క ఇతర స్థాయిలు. వాస్తుశిల్పి కార్యకలాపాలలో ఒకటి డటి è
నిరంతర ఉపయోగం నుండి DSS వినియోగదారుని విసర్జించండి డటి అత్యధిక స్థాయిలో
తక్కువ వివరాలు. రెండు కారణాలు అందుబాటులో ఉన్నాయి
యొక్క వాస్తుశిల్పి డటి:
▪ ఛార్జ్‌బ్యాక్ సిస్టమ్‌ను ఇన్‌స్టాల్ చేస్తోంది, ఇక్కడ తుది వినియోగదారు చెల్లించాలి
వినియోగించే వనరులు ఇ
▪ ప్రతిస్పందన సమయం చాలా బాగుంటుందని సూచిస్తుంది
i తో ప్రవర్తన ఉన్నప్పుడు పొందబడింది డటి అది ఉన్నత స్థాయిలో ఉంది
సారాంశం, అయితే పేలవమైన ప్రతిస్పందన సమయం నుండి వస్తుంది
యొక్క ప్రవర్తన డటి తక్కువ స్థాయిలో
ఇతర ఆలోచనలు
కొన్ని ఇతర నిర్మాణ మరియు నిర్వహణ పరిశీలనలు ఉన్నాయి
DW.
మొదటి పరిశీలన సూచికలు. ది డటి యొక్క అత్యధిక స్థాయిలలో
సారాంశాన్ని స్వేచ్ఛగా ఇండెక్స్ చేయవచ్చు, అయితే i డటి
వివరాల యొక్క తక్కువ స్థాయిలలో అవి సాధ్యమైనంత పెద్దవిగా ఉంటాయి
పొదుపుగా ఇండెక్స్ చేయబడింది. అదే టోకెన్ నుండి, i డటి అధిక స్థాయిలలో
వివరాలు సాపేక్షంగా సులభంగా పునరుద్ధరించబడతాయి,
వాల్యూమ్ అయితే డటి దిగువ స్థాయిలలో ఇది చాలా పెద్దదిగా ఉంటుంది డటి కాని
వాటిని సులభంగా పునరుద్ధరించవచ్చు. దీని ప్రకారం, మోడల్
డీ డటి మరియు డిజైన్ చేసిన అధికారిక పని భంగిమలో ఉంది
DW కోసం పునాది దాదాపు ప్రత్యేకంగా స్థాయికి వర్తించబడుతుంది
వివరాలు ప్రస్తుత. 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 నుండి
అప్లికేషన్ స్థాయి. స్థాయిలో డివిజన్ లో DBMSఇది DBMS è
విభాగాలను తెలియజేసి తదనుగుణంగా వాటిని పర్యవేక్షిస్తుంది. ఆ సందర్భం లో
అప్లికేషన్ స్థాయిలో విభజన, ప్రోగ్రామర్ మాత్రమే
విభజనలు మరియు వారి బాధ్యత గురించి తెలియజేసారు
పరిపాలన అతనికి మిగిలి ఉంది
స్థాయి క్రింద DBMS, చాలా పని స్వయంచాలకంగా జరుగుతుంది. ఉంది
యొక్క ఆటోమేటిక్ అడ్మినిస్ట్రేషన్‌తో సంబంధం ఉన్న చాలా వశ్యత
విభజనలు. యొక్క అప్లికేషన్ స్థాయిలో విభజనల విషయంలో డటి యొక్క
డేటా గిడ్డంగి, ప్రోగ్రామర్‌పై చాలా పని బరువు ఉంటుంది, కానీ
తుది ఫలితం పరిపాలనలో వశ్యత డటి తేదీలో
గిడ్డంగి
ఇతర క్రమరాహిత్యాలు
యొక్క భాగాలు అయితే డేటా గిడ్డంగి వారు వివరించిన విధంగా పని చేస్తారు
దాదాపు అన్ని కోసం డటి, తప్పనిసరిగా కొన్ని ఉపయోగకరమైన మినహాయింపులు ఉన్నాయి
చర్చించాలి. ఒక మినహాయింపు డటి పబ్లిక్ సారాంశాలు
(పబ్లిక్ సారాంశం డేటా). ఇవి డటి అని సారాంశాలు
నుండి లెక్కించబడుతుంది డేటా గిడ్డంగి కానీ వాటిని సమాజం ఉపయోగించుకుంటుంది. ది డటి
పబ్లిక్ సారాంశాలు నిల్వ చేయబడతాయి మరియు నిర్వహించబడతాయి డేటా గిడ్డంగి,
గతంలో చెప్పినట్లుగా, అవి లెక్కించబడ్డాయి. ది
అకౌంటెంట్లు వీటిని త్రైమాసికానికి ఉత్పత్తి చేయడానికి పని చేస్తారు డటి గా
ఆదాయం, త్రైమాసిక ఖర్చులు, త్రైమాసిక లాభం మొదలైనవి. పని
అకౌంటెంట్లు చేసేది బాహ్యమైనది డేటా గిడ్డంగి. అయితే, ఐ డటి నిద్ర
కంపెనీ లోపల "అంతర్గతంగా" ఉపయోగించబడింది - నుండి మార్కెటింగ్, అమ్మకాలు మొదలైనవి.
మరొక క్రమరాహిత్యం, ఇది చర్చించబడదు డటి ఈస్టర్ని.
మరొక అసాధారణ రకం డటి ఇచ్చిన దానిలో కనుగొనవచ్చు
గిడ్డంగి అనేది శాశ్వత వివరాల డేటా. ఇవి కారణమవుతాయి
శాశ్వతంగా నిల్వ చేయాలి i డటి ఒక స్థాయిలో
నైతిక లేదా చట్టపరమైన కారణాల కోసం వివరించబడింది. ఒక కంపెనీ ప్రదర్శిస్తున్నట్లయితే i
ప్రమాదకర పదార్థాలకు సంబంధించిన కార్మికుల అవసరం ఉంది డటి
వివరణాత్మక మరియు శాశ్వత. ఒక కంపెనీ ఒక ఉత్పత్తిని ఉత్పత్తి చేస్తే
ప్రజా భద్రతను కలిగి ఉంటుంది, విమానంలో ఏ భాగాలు ఉన్నాయి
అవసరం డటి వివరణాత్మక శాశ్వత, అలాగే కంపెనీ అయితే
ప్రమాదకరమైన ఒప్పందాలలోకి ప్రవేశిస్తుంది.
సమాజం వివరాలను విస్మరించదు ఎందుకంటే
తదుపరి కొన్ని సంవత్సరాలలో, ఒక దావా సందర్భంలో, ఒక రీకాల్, a
వివాదాస్పద నిర్మాణ లోపం మొదలైనవి. సంస్థ యొక్క బహిర్గతం
అది పెద్దది కావచ్చు. ఫలితంగా ఒక ప్రత్యేక రకం ఉంది డటి
శాశ్వత వివరాల డేటా అంటారు.
SUMMARY
Un డేటా గిడ్డంగి ఒక ఆబ్జెక్ట్ ఓరియెంటెడ్, ఇంటిగ్రేటెడ్, వేరియంట్
సమయం, సేకరణ డటి యొక్క అవసరాలకు మద్దతు ఇవ్వడానికి అస్థిరత లేని
పరిపాలన నిర్ణయం. యొక్క ప్రతి ముఖ్యమైన విధులు
un డేటా గిడ్డంగి దాని చిక్కులను కలిగి ఉంది. ప్లస్ నాలుగు ఉన్నాయి
స్థాయిలు డటి యొక్క డేటా గిడ్డంగి:
▪ పాత వివరాలు
▪ ప్రస్తుత వివరాలు
▪ డటి కొద్దిగా పునశ్చరణ
▪ డటి అత్యంత సంగ్రహించబడింది
మెటాడేటా కూడా ఒక ముఖ్యమైన భాగం డేటా గిడ్డంగి.
నైరూప్య
యొక్క నిల్వ భావన డటి ఇటీవల పొందింది
చాలా శ్రద్ధ మరియు 90ల ట్రెండ్‌గా మారింది. ఇది
సామర్థ్యం కారణంగా a డేటా గిడ్డంగి వాటిని అధిగమించడానికి
i వంటి పరిపాలన మద్దతు వ్యవస్థల పరిమితులు
నిర్ణయం మద్దతు వ్యవస్థలు (DSS) మరియు సమాచార వ్యవస్థలు
ఎగ్జిక్యూటివ్ (EIS).
అనే భావన ఉన్నా డేటా గిడ్డంగి ఆశాజనకంగా కనిపిస్తోంది,
అమలు i డేటా గిడ్డంగి కారణంగా సమస్యాత్మకంగా ఉండవచ్చు
పెద్ద-స్థాయి గిడ్డంగుల ప్రక్రియలు. ఉన్నప్పటికీ
గిడ్డంగుల ప్రాజెక్టుల సంక్లిష్టత డటి, అనేక సరఫరాదారులు
మరియు గిడ్డంగుల సలహాదారులు డటి అని వారు పేర్కొన్నారు
యొక్క నిల్వ డటి కరెంట్ ఎటువంటి సమస్యలను కలిగించదు.
అయితే, ఈ పరిశోధన ప్రాజెక్ట్ ప్రారంభంలో, దాదాపు ఏదీ లేదు
స్వతంత్ర, కఠినమైన మరియు క్రమబద్ధమైన పరిశోధనలు జరిగాయి. నుండి
ఫలితంగా అసలు ఏం జరుగుతుందో చెప్పడం కష్టం
వారు నిర్మించబడినప్పుడు పరిశ్రమలో డేటా గిడ్డంగి.
ఈ అధ్యయనం యొక్క గిడ్డంగుల అభ్యాసాన్ని అన్వేషించింది డటి
ధనిక అవగాహనను పెంపొందించుకునే లక్ష్యంతో సమకాలీనులు
ఆస్ట్రేలియన్ అభ్యాసం. సాహిత్య విశ్లేషణ అందించబడింది
అనుభావిక అధ్యయనానికి సందర్భం మరియు పునాది.
ఈ పరిశోధనలో అనేక విషయాలు వెల్లడయ్యాయి. ప్రధమ
స్థలం, ఈ అధ్యయనం సంభవించిన కార్యకలాపాలను వెల్లడించింది
అభివృద్ధి సమయంలో డేటా గిడ్డంగి. అనేక ప్రాంతాలలో, ఐ డటి గుమిగూడారు
సాహిత్యంలో నివేదించబడిన అభ్యాసాన్ని ధృవీకరించారు. రెండవది
సైట్, సమస్యలు మరియు ప్రభావితం చేసే సమస్యలు
యొక్క అభివృద్ధి డేటా గిడ్డంగి ఈ అధ్యయనం ద్వారా గుర్తించబడ్డాయి.
చివరగా, ఆస్ట్రేలియన్ సంస్థల నుండి పొందబడిన ప్రయోజనాలు
దాని యొక్క ఉపయోగం డేటా గిడ్డంగి వెల్లడయ్యాయి.
1 వ అధ్యాయము
పరిశోధన సందర్భం
డేటా వేర్‌హౌసింగ్ భావన విస్తృతమైన గుర్తింపు పొందింది
బహిర్గతం మరియు లో అభివృద్ధి చెందుతున్న ధోరణిగా మారింది
90లు (మెక్‌ఫాడెన్ 1996, TDWI 1996, షా మరియు మిల్‌స్టెయిన్ 1997,
షాంక్స్ మరియు ఇతరులు. 1997, ఎకెర్సన్ 1998, అడెల్మాన్ మరియు ఓట్స్ 2000). అంటే
డేటాపై పెరుగుతున్న కథనాల సంఖ్య నుండి చూడవచ్చు
వాణిజ్య ప్రచురణలలో గిడ్డంగి (లిటిల్ మరియు గిబ్సన్ 1999).
అనేక కథనాలు (ఉదాహరణకు, ఫిషర్ 1995, హ్యాకథార్న్ 1995 చూడండి,
మోరిస్ 1995a, బ్రాంబ్లెట్ మరియు కింగ్ 1996, గ్రాహం మరియు ఇతరులు. 1996,
సకాగుచి మరియు ఫ్రోలిక్ 1996, అల్వారెజ్ 1997, బ్రౌసెల్ 1997, క్లార్క్
1997, మెక్‌కార్తీ 1997, ఓ' డోన్నెల్ 1997, ఎడ్వర్డ్స్ 1998, TDWI
1999) సంస్థల నుండి పొందిన ముఖ్యమైన ప్రయోజనాలను నివేదించింది
ఆ అమలు i డేటా గిడ్డంగి. వారు తమ సిద్ధాంతాన్ని సమర్థించారు
విజయవంతమైన అమలుల యొక్క వృత్తాంత సాక్ష్యంతో, అధిక రాబడి
పెట్టుబడి గణాంకాలపై (ROI) మరియు, మార్గదర్శకాలను అందించడం
అభివృద్ధి కోసం సూచన లేదా పద్ధతులు డేటా గిడ్డంగి
(షాంక్స్ మరియు ఇతరులు. 1997, సెడాన్ మరియు బెంజమిన్ 1998, లిటిల్ అండ్ గిబ్సన్
1999). తీవ్రమైన సందర్భంలో, గ్రాహం మరియు ఇతరులు. (1996) కలిగి ఉన్నారు
401% మూడు సంవత్సరాల పెట్టుబడిపై సగటు రాబడిని నివేదించింది.
అయితే ప్రస్తుత సాహిత్యంలో చాలా వరకు దానిని నిర్లక్ష్యం చేసింది
అటువంటి ప్రాజెక్టులను చేపట్టడంలో సంక్లిష్టతలు ఉన్నాయి. యొక్క ప్రాజెక్టులు
డేటా గిడ్డంగి అవి సాధారణంగా సంక్లిష్టమైనవి మరియు పెద్ద-స్థాయి మరియు
అందువల్ల అవి విఫలమయ్యే అధిక సంభావ్యతను సూచిస్తాయి
జాగ్రత్తగా నియంత్రించబడింది (షా మరియు మిల్‌స్టెయిన్ 1997, ఎకర్సన్ 1997,
ఫోలే 1997b, జిమ్మెర్ 1997, బోర్ట్ 1998, గిబ్స్ మరియు క్లైమర్ 1998, రావు
1998). వారికి మానవ వనరులు మరియు వనరులు రెండూ అవసరం
ఆర్థిక వనరులు మరియు, వాటిని నిర్మించడానికి సమయం మరియు కృషి (హిల్ 1998, క్రాఫ్ట్స్ 1998). ది
సాధారణ సమయం మరియు అవసరమైన ఆర్థిక మార్గాలు వరుసగా ఉంటాయి
సుమారు రెండు సంవత్సరాలు మరియు రెండు లేదా మూడు మిలియన్ డాలర్లు (బ్రాలీ 1995, ఫోలే
1997b, బోర్ట్ 1998, హంఫ్రీస్ మరియు ఇతరులు. 1999). ఈ సమయాలు మరియు అర్థం
ఆర్థిక సంస్థలు అనేక అంశాలను నియంత్రించడం మరియు ఏకీకృతం చేయడం అవసరం
డేటా వేర్‌హౌసింగ్‌లో తేడాలు (కాఫస్సో 1995, హిల్ 1998). వైపు
హార్డ్‌వేర్ మరియు సాఫ్ట్‌వేర్ పరిగణనలు, ఇతర విధులు మారుతూ ఉంటాయి
యొక్క వెలికితీత నుండి డటి యొక్క లోడ్ ప్రక్రియలకు డటి, నుండి
నవీకరణలు మరియు మెటా డేటాను నిర్వహించడానికి మెమరీ సామర్థ్యం డటి
వినియోగదారు శిక్షణ కోసం, తప్పనిసరిగా పరిగణించాలి.
ఈ పరిశోధన ప్రాజెక్ట్ ప్రారంభమైన సమయంలో, చాలా తక్కువ
డేటా వేర్‌హౌసింగ్ రంగంలో నిర్వహించిన విద్యా పరిశోధన,
ముఖ్యంగా ఆస్ట్రేలియాలో. వస్తువుల కొరత నుండి ఇది స్పష్టమైంది
వార్తాపత్రికలు లేదా ఇతర రచనల ద్వారా డేటా వేర్‌హౌసింగ్‌పై ప్రచురించబడింది
ఆ కాలపు విద్యావేత్తలు. అనేక విద్యా సంబంధమైన రచనలు
అందుబాటులో US అనుభవాన్ని వివరించింది. కొరత ఉన్న
ప్రాంతం sl డేటా వేర్‌హౌసింగ్‌లో విద్యా పరిశోధనలు కారణమయ్యాయి
కఠినమైన పరిశోధన మరియు అనుభావిక అధ్యయనాలకు పిలుపు (McFadden 1996,
షాంక్స్ మరియు ఇతరులు. 1997, లిటిల్ అండ్ గిబ్సన్ 1999). ముఖ్యంగా, అధ్యయనాలు
యొక్క అమలు ప్రక్రియపై పరిశోధన డేటా గిడ్డంగి
జ్ఞానాన్ని విస్తరించడానికి నిర్వహించాల్సిన అవసరం ఉంది
అమలు గురించి సాధారణ డేటా గిడ్డంగి e
భవిష్యత్ పరిశోధన అధ్యయనానికి ఆధారంగా పనిచేస్తుంది (షాంక్స్ ఎడి
ఇతరులు. 1997, లిటిల్ అండ్ గిబ్సన్ 1999).
ఈ అధ్యయనం యొక్క ఉద్దేశ్యం, వాస్తవానికి ఏమిటనేది అధ్యయనం చేయడం
సంస్థలు డేటాను నిర్వహించినప్పుడు మరియు ఉపయోగించినప్పుడు ఇది జరుగుతుంది
ఆస్ట్రేలియాలో గిడ్డంగి. ప్రత్యేకంగా, ఈ అధ్యయనం ఉంటుంది
మొత్తం అభివృద్ధి ప్రక్రియ యొక్క విశ్లేషణ a డేటా గిడ్డంగి,
ప్రారంభం మరియు డిజైన్ ద్వారా ప్రణాళిక మరియు
సంస్థలలో అమలు మరియు తదుపరి ఉపయోగం
ఆస్ట్రేలియన్. అదనంగా, అధ్యయనం ప్రస్తుత అభ్యాసానికి కూడా దోహదం చేస్తుంది
అభ్యాసాన్ని మరింత అభివృద్ధి చేయగల ప్రాంతాలను గుర్తించడం
మెరుగైన మరియు అసమర్థతలను మరియు నష్టాలను తగ్గించవచ్చు లేదా
నివారించండి. ఇంకా, ఇది ఇతర అధ్యయనాలకు ఆధారంగా ఉపయోగపడుతుంది డేటా గిడ్డంగి in
ఆస్ట్రేలియా మరియు ప్రస్తుతం సాహిత్యంలో ఉన్న ఖాళీని పూరిస్తుంది.
పరిశోధన ప్రశ్నలు
ఈ పరిశోధన యొక్క లక్ష్యం పాల్గొన్న కార్యకలాపాలను అధ్యయనం చేయడం
అమలులో డేటా గిడ్డంగి మరియు వాటి ఉపయోగం
ఆస్ట్రేలియన్ సంస్థలు. ముఖ్యంగా అంశాలను అధ్యయనం చేస్తారు
ప్రాజెక్ట్ ప్రణాళిక, అభివృద్ధి గురించి,
ఆపరేషన్, ఉపయోగం మరియు ప్రమాదాలు. కాబట్టి ప్రశ్న
ఈ పరిశోధనలో ఇది:
“ప్రస్తుత అభ్యాసం ఏమిటి డేటా గిడ్డంగి ఆస్ట్రేలియా లో?"
ఈ సమస్యకు సమర్థవంతంగా స్పందించడానికి, a
నిర్దిష్ట సంఖ్యలో అనుబంధ పరిశోధన ప్రశ్నలు. ముఖ్యంగా, మూడు
సాహిత్యం నుండి ఉప-ప్రశ్నలు గుర్తించబడ్డాయి, అంటే
ఈ పరిశోధన ప్రాజెక్ట్‌కు మార్గనిర్దేశం చేసేందుకు, అధ్యాయం 2లో అందించబడింది:
వాటిని ఎలా అమలు చేస్తారు i డేటా గిడ్డంగి సంస్థల ద్వారా
ఆస్ట్రేలియన్? మీరు ఏ సమస్యలను ఎదుర్కొన్నారు?
అనుభవించిన ప్రయోజనాలు ఏమిటి?
ఈ ప్రశ్నలకు సమాధానమివ్వడానికి, డ్రాయింగ్ ఉపయోగించబడింది
ఒక సర్వేను ఉపయోగించే అన్వేషణాత్మక పరిశోధన. నేను ఎలా చదువుతాను
పరిశోధనాత్మకంగా, పై ప్రశ్నలకు సమాధానాలు పూర్తి కాలేదు
(Shanks et al. 1993, Denscombe 1998). ఈ సందర్భంలో, ఇది
వీటికి ప్రతిస్పందనలను మెరుగుపరచడానికి త్రిభుజం అవసరం
అభ్యర్థనలు. అయితే, విచారణకు గట్టి పునాది వస్తుంది
ఈ ప్రశ్నలను పరిశీలించే భవిష్యత్తు పని. ఒక వివరణాత్మకమైనది
పరిశోధన పద్ధతి సమర్థన మరియు రూపకల్పనపై చర్చ
అధ్యాయం 3లో ప్రదర్శించబడింది.
పరిశోధన ప్రాజెక్ట్ యొక్క నిర్మాణం
ఈ పరిశోధన ప్రాజెక్ట్ రెండు భాగాలుగా విభజించబడింది: సందర్భోచిత అధ్యయనం
డేటా వేర్‌హౌసింగ్ మరియు అనుభావిక పరిశోధన యొక్క భావన (చూడండి
ఫిగర్ 1.1), వీటిలో ప్రతి ఒక్కటి క్రింద చర్చించబడ్డాయి.
పార్ట్ I: సందర్భోచిత అధ్యయనం
పరిశోధన యొక్క మొదటి భాగం తిరిగి పరిశీలించడంలో ఉంది
i సహా వివిధ రకాల డేటా వేర్‌హౌసింగ్‌పై ప్రస్తుత సాహిత్యం
నిర్ణయం మద్దతు వ్యవస్థలు (DSS), సమాచార వ్యవస్థలు
ఎగ్జిక్యూటివ్ (EIS), యొక్క కేస్ స్టడీస్ డేటా గిడ్డంగి మరియు తేదీ యొక్క భావనలు
గిడ్డంగి. ఇంకా, ఫోరమ్‌ల ఫలితాలు డేటా గిడ్డంగి మరియు దేవతలు
యొక్క సమూహం నిర్వహించే నిపుణులు మరియు నిపుణుల కోసం సమావేశ సమూహాలు
మోనాష్ DSS పరిశోధన, అధ్యయనం యొక్క ఈ దశకు దోహదపడింది
ఇది డేటా సాధనపై సమాచారాన్ని పొందేందుకు ఉద్దేశించబడింది
గిడ్డంగి మరియు వాటి స్వీకరణలో ఉన్న నష్టాలను గుర్తించడం.
ఈ కాలంలో సందర్భోచిత అధ్యయనం, అవగాహన
జ్ఞానాన్ని అందించడానికి సమస్య ప్రాంతం ఏర్పాటు చేయబడింది
తదుపరి అనుభావిక పరిశోధనలకు ఆధారం. అయితే, ఈ
అధ్యయనం జరుగుతున్నప్పుడు అది కొనసాగుతున్న ప్రక్రియ
పరిశోధన.
పార్ట్ II: అనుభావిక పరిశోధన
డేటా వేర్‌హౌసింగ్ యొక్క సాపేక్షంగా కొత్త భావన, esp
ఆస్ట్రేలియాలో, ఒక సర్వే నిర్వహించాల్సిన అవసరాన్ని సృష్టించింది
వినియోగ అనుభవం యొక్క విస్తృత చిత్రాన్ని పొందండి. ఈ
సమస్య డొమైన్ అయిన తర్వాత భాగం నిర్వహించబడింది
విస్తృతమైన సాహిత్య సమీక్ష ద్వారా స్థాపించబడింది. భావన
సందర్భోచిత అధ్యయన దశలో ఏర్పడిన డేటా-వేర్‌హౌసింగ్
ఈ అధ్యయనం యొక్క ప్రారంభ ప్రశ్నాపత్రం కోసం ఇన్‌పుట్‌గా ఉపయోగించబడింది.
అనంతరం ప్రశ్నపత్రాన్ని పరిశీలించారు. మీరు తేదీ నిపుణులు
గిడ్డంగి పరీక్షలో పాల్గొన్నారు. పరీక్ష ప్రయోజనం
ప్రారంభ ప్రశ్నాపత్రం సంపూర్ణత మరియు ఖచ్చితత్వాన్ని తనిఖీ చేయడం
కొన్ని ప్రశ్నలు. పరీక్ష ఫలితాల ఆధారంగా, ప్రశ్నాపత్రం
సవరించబడింది మరియు సవరించిన సంస్కరణకు పంపబడింది
సర్వేలో పాల్గొనేవారు. అప్పుడు తిరిగి వచ్చిన ప్రశ్నపత్రాలు
i కోసం విశ్లేషించబడింది డటి పట్టికలు, రేఖాచిత్రాలు మరియు ఇతర ఫార్మాట్లలో. ది
యొక్క విశ్లేషణ ఫలితాలు డటి యొక్క తక్షణ ఛాయాచిత్రాన్ని రూపొందించండి
ఆస్ట్రేలియాలో డేటా వేర్‌హౌసింగ్ ప్రాక్టీస్.
డేటా వేర్‌హౌజింగ్ అవలోకనం
డేటా వేర్‌హౌసింగ్ భావన మెరుగుదలలతో అభివృద్ధి చెందింది
కంప్యూటర్ టెక్నాలజీ.
సమూహాలు ఎదుర్కొంటున్న సమస్యలను అధిగమించడం దీని లక్ష్యం
డెసిషన్ సపోర్ట్ సిస్టమ్ (DSS) వంటి అప్లికేషన్ మద్దతు ఇ
ఎగ్జిక్యూటివ్ ఇన్ఫర్మేషన్ సిస్టమ్ (EIS).
గతంలో ఈ దరఖాస్తులకు ప్రధాన అడ్డంకిగా ఉండేది
అందించడానికి ఈ అప్లికేషన్ల అసమర్థత a డేటా బేస్
విశ్లేషణ కోసం అవసరం.
ఇది ప్రధానంగా పని యొక్క స్వభావం వల్ల వస్తుంది
నిర్వహణ. కంపెనీ నిర్వహణ యొక్క ఆసక్తులు మారుతూ ఉంటాయి
నిరంతరం చికిత్స ప్రాంతంపై ఆధారపడి ఉంటుంది. అందువల్ల ఐ డటి
ఈ అప్లికేషన్‌ల కోసం ప్రాథమికంగా తప్పనిసరిగా చేయగలగాలి
చికిత్స చేయవలసిన భాగాన్ని బట్టి త్వరగా మారుతుంది.
దీని అర్థం ఐ డటి రూపంలో అందుబాటులో ఉండాలి
అవసరమైన విశ్లేషణలకు సరిపోతుంది. నిజానికి, మద్దతు సమూహాలు
edని సేకరించడం గతంలో అప్లికేషన్లు చాలా కష్టంగా ఉండేవి
ఏకీకృతం చేయడానికి డటి సంక్లిష్టమైన మరియు విభిన్న మూలాల నుండి.
ఈ విభాగంలోని మిగిలిన భాగం భావన యొక్క అవలోకనాన్ని అందిస్తుంది
డేటా వేర్‌హౌసింగ్ మరియు ఎలా డీల్ చేస్తుంది డేటా గిడ్డంగి అధిగమించవచ్చు
అప్లికేషన్ సపోర్ట్ గ్రూప్ సమస్యలు.
పదం “డేటా గిడ్డంగి”ని 1990లో విలియం ఇన్‌మోన్ విడుదల చేశారు.
అతని తరచుగా ఉదహరించిన నిర్వచనం చూస్తుంది డేటా గిడ్డంగి వచ్చి
యొక్క సేకరణ డటి సబ్జెక్ట్-ఓరియెంటెడ్, ఇంటిగ్రేటెడ్, అస్థిరత లేని మరియు వేరియబుల్
కాలక్రమేణా, నిర్వహణ నిర్ణయాలకు మద్దతుగా.
ఈ నిర్వచనాన్ని ఉపయోగించి Inmon హైలైట్ చేస్తుంది i డటి నివాసితులు
అన్ లో డేటా గిడ్డంగి కింది 4ని కలిగి ఉండాలి
క్యారెటరిస్టిక్:
▪ సబ్జెక్ట్-ఓరియెంటెడ్
▪ ఇంటిగ్రేటెడ్
▪ అస్థిరత లేనిది
▪ కాలక్రమేణా మారవచ్చు
సబ్జెక్ట్-ఓరియెంటెడ్ ఇన్మోన్ అంటే ఐ డటి తేదీలో
అతిపెద్ద సంస్థాగత ప్రాంతాలలో గిడ్డంగి
నమూనాలో నిర్వచించబడింది డటి. ఉదాహరణకు అన్ని డటి i గురించి వినియోగదారులు
సబ్జెక్ట్ ఏరియాలో ఉంటాయి కస్టమర్లు. అలాగే అన్నీ
డటి ఉత్పత్తులకు సంబంధించినవి సబ్జెక్ట్ ఏరియాలో ఉంటాయి
ఉత్పత్తులు.
ఇంటిగ్రేటెడ్ ఇన్‌మోన్ అంటే ఐ డటి వివిధ నుండి వస్తున్న
ప్లాట్‌ఫారమ్‌లు, సిస్టమ్‌లు మరియు స్థానాలు కలిపి మరియు నిల్వ చేయబడతాయి
ఒకే స్థలం. పర్యవసానంగా డటి ఇలాంటి రూపాంతరం చెందాలి
స్థిరమైన ఫార్మాట్లలో వాటిని జోడించవచ్చు మరియు పోల్చవచ్చు
సులభంగా.
ఉదాహరణకు మగ మరియు ఆడ లింగం ప్రాతినిధ్యం వహిస్తుంది
ఒక సిస్టమ్‌లో M మరియు F అక్షరాలతో మరియు మరొకదానిలో 1 మరియు 0తో. కోసం
వాటిని సరైన మార్గంలో ఏకీకృతం చేయండి, ఒకటి లేదా రెండు ఫార్మాట్‌లు తప్పనిసరిగా ఉండాలి
రెండు ఫార్మాట్‌లు ఒకేలా ఉండేలా మార్చాలి. ఇందులో
మేము M ను 1కి మరియు Fని 0కి మార్చవచ్చు లేదా దీనికి విరుద్ధంగా. వైపు దృష్టి సారించారు
విషయం మరియు ఇంటిగ్రేటెడ్ సూచిస్తున్నాయి డేటా గిడ్డంగి ఇది కోసం రూపొందించబడింది
యొక్క క్రియాత్మక మరియు విలోమ దృష్టిని అందిస్తాయి డటి ప్రక్కన
సంస్థ యొక్క.
నాన్-వోలటైల్ అంటే అతను అంటే నేను డటి నెల్ డేటా గిడ్డంగి మిగిలి ఉన్నాయి
స్థిరమైన మరియు నవీకరించడం డటి ఇది అవసరంలేదు. బదులుగా, ప్రతి
మార్చండి డటి అసలైనవి జోడించబడ్డాయి డేటాబేస్ తేదీ
గిడ్డంగి. అంటే చారిత్రిక దే డటి లో ఉంది
డేటా గిడ్డంగి.
సమయంతో వేరియబుల్స్ కోసం Inmon సూచిస్తుంది i డటి నెల్ డేటా గిడ్డంగి
ఎల్లప్పుడూ ei సమయ సూచికలను కలిగి ఉంటుంది డటి సాధారణంగా
నిర్దిష్ట సమయ క్షితిజాన్ని దాటండి. ఉదాహరణకు a
డేటా గిడ్డంగి యొక్క 5 సంవత్సరాల చారిత్రక విలువలను కలిగి ఉంటుంది వినియోగదారులు పప్పు
1993 నుండి 1997. చరిత్ర మరియు సమయ శ్రేణి లభ్యత
డీ డటి ట్రెండ్‌లను విశ్లేషించడానికి మిమ్మల్ని అనుమతిస్తుంది.
Un డేటా గిడ్డంగి అతను తన సొంతంగా సేకరించవచ్చు డటి వ్యవస్థల నుండి
OLTP;మూలాల నుండి డటి సంస్థ మరియు/లేదా ఇతర నిపుణుల ద్వారా బాహ్యంగా
సిస్టమ్ ప్రాజెక్ట్‌లను సంగ్రహించండి డటి.
I డటి ఎక్స్‌ట్రాక్ట్‌లు శుభ్రపరిచే ప్రక్రియ ద్వారా వెళ్ళవచ్చు
ఈ కేసు ఐ డటి అవి రూపాంతరం చెందుతాయి మరియు ఉండకముందే ఏకీకృతం చేయబడతాయి
లో నిల్వ చేయబడింది డేటాబేస్ యొక్క డేటా గిడ్డంగి. అప్పుడు నేను డటి
లోపల నివాసితులు డేటాబేస్ యొక్క డేటా గిడ్డంగి అందుబాటులో ఉంచబడ్డాయి
వినియోగదారు యాక్సెస్ మరియు పునరుద్ధరణ సాధనాలను ముగించడానికి. ఉపయోగించి
ఈ సాధనాలు తుది వినియోగదారు ఇంటిగ్రేటెడ్ వీక్షణను యాక్సెస్ చేయగలవు
యొక్క సంస్థ డటి.
I డటి లోపల నివాసితులు డేటాబేస్ యొక్క డేటా గిడ్డంగి నిద్ర
వివరంగా మరియు సారాంశం ఫార్మాట్‌లలో నిల్వ చేయబడుతుంది.
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 కూడా
వేరే రకం నిల్వ తేదీ METADATA అని పిలుస్తారు
i వివరించండి డటి అతనిలోని నివాసితులు డేటాబేస్.
మెటాడేటాలో రెండు రకాలు ఉన్నాయి: డెవలప్‌మెంట్ మెటాడేటా మరియు డెవలప్‌మెంట్ మెటాడేటా
విశ్లేషిస్తుంది.
డెవలప్‌మెంట్ మెటాడేటాని నిర్వహించడానికి మరియు ఆటోమేట్ చేయడానికి ఉపయోగించబడుతుంది
వెలికితీత, శుభ్రపరచడం, మ్యాపింగ్ మరియు లోడింగ్ ప్రక్రియలు డటి నెల్
డేటా గిడ్డంగి.
అభివృద్ధి మెటాడేటాలో ఉన్న సమాచారం కలిగి ఉంటుంది
ఆపరేటింగ్ సిస్టమ్‌ల వివరాలు, వెలికితీసే మూలకాల వివరాలు, ది
టెంప్లేట్ డటి యొక్క డేటా గిడ్డంగి మరియు కంపెనీ నియమాలు
మార్పిడి డీఐ డటి.
రెండవ రకం మెటాడేటా, అనలిటిక్స్ మెటాడేటా అంటారు
డేటా యొక్క కంటెంట్‌ను అన్వేషించడానికి తుది వినియోగదారుని అనుమతిస్తుంది
కనుగొనడానికి గిడ్డంగి డటి అందుబాటులో ఉంది మరియు వాటి అర్థం ఏమిటి
స్పష్టమైన మరియు సాంకేతికత లేని.
అందువల్ల విశ్లేషణల మెటాడేటా డేటా మధ్య వారధిగా పనిచేస్తుంది
గిడ్డంగి మరియు తుది వినియోగదారు అప్లికేషన్లు. ఈ మెటాడేటా చేయగలదు
వ్యాపార నమూనా, వివరణలను కలిగి ఉంటుంది డటి కరస్పాండెంట్లు
వ్యాపార నమూనాకు, ముందే నిర్వచించబడిన ప్రశ్నలు మరియు నివేదికలు,
వినియోగదారు లాగిన్ మరియు సూచిక కోసం సమాచారం.
విశ్లేషణ మరియు అభివృద్ధి మెటాడేటా ఒకటిగా కలపాలి
సక్రమంగా పనిచేయడానికి ఇంటిగ్రేటెడ్ మెటాడేటా కంటైన్‌మెంట్.
దురదృష్టవశాత్తు ఇప్పటికే ఉన్న అనేక సాధనాలు వాటి స్వంతంగా ఉన్నాయి
మెటాడేటా మరియు ప్రస్తుతం ఉన్న ప్రమాణాలు ఏవీ లేవు
వీటిని ఏకీకృతం చేయడానికి డేటా వేర్‌హౌసింగ్ సాధనాలను అనుమతించండి
మెటాడేటా. ఈ పరిస్థితిని పరిష్కరించడానికి చాలా మంది వ్యాపారులు
ప్రధాన డేటా వేర్‌హౌసింగ్ సాధనాలు మెటా డేటాను రూపొందించాయి
కౌన్సిల్ తర్వాత మెటా డేటా కూటమిగా మారింది.
ఈ సంకీర్ణం యొక్క ఉద్దేశ్యం మెటాడేటా సెట్‌ను రూపొందించడం
వివిధ డేటా వేర్‌హౌసింగ్ సాధనాలను అనుమతించే ప్రమాణం
మెటాడేటాను మార్చండి
వారి ప్రయత్నాలు మేటా పుట్టుకకు దారితీశాయి
మార్పిడిని అనుమతించే డేటా ఇంటర్‌చేంజ్ స్పెసిఫికేషన్ (MDIS).
Microsoft ఆర్కైవ్‌లు మరియు సంబంధిత MDIS ఫైల్‌ల మధ్య సమాచారం.
యొక్క ఉనికి డటి సారాంశం/ఇండెక్స్ చేయబడినవి మరియు వివరణాత్మకమైనవి రెండూ
వినియోగదారు డ్రిల్ డ్రౌన్‌ని నిర్వహించే అవకాశం ఉంది
(డ్రిల్లింగ్) రండి డటి వివరణాత్మకమైన వాటికి ఇండెక్స్ చేయబడింది మరియు వైస్ వెర్సా.
యొక్క ఉనికి డటి వివరణాత్మక చరిత్రలు సృష్టించడానికి అనుమతిస్తుంది
కాలక్రమేణా ధోరణి విశ్లేషణ. అదనంగా విశ్లేషణ మెటాడేటా చేయవచ్చు
యొక్క డైరెక్టరీగా ఉపయోగించబడుతుంది డేటాబేస్ యొక్క డేటా గిడ్డంగి పర్
తుది వినియోగదారులను గుర్తించడంలో సహాయపడండి i డటి అవసరమైన.
OLTP సిస్టమ్‌లతో పోలిస్తే, వాటి మద్దతు సామర్థ్యంతో
విశ్లేషణ డటి మరియు రిపోర్టింగ్, ది డేటా గిడ్డంగి అది ఒక వ్యవస్థగా పరిగణించబడుతుంది
తయారీ మరియు వంటి సమాచార ప్రక్రియలకు మరింత సముచితమైనది
ప్రశ్నలకు ప్రతిస్పందించండి మరియు నివేదికలను రూపొందించండి. తదుపరి విభాగం
రెండు వ్యవస్థల తేడాలను వివరంగా హైలైట్ చేస్తుంది.
డేటా వేర్‌హౌస్ OLTP సిస్టమ్‌లకు వ్యతిరేకంగా
సంస్థలలోని అనేక సమాచార వ్యవస్థలు
వారు రోజువారీ కార్యకలాపాలకు మద్దతు ఇవ్వడానికి ఉద్దేశించబడ్డారు. ఇవి
OLTP సిస్టమ్స్ అని పిలువబడే వ్యవస్థలు, లావాదేవీలను సంగ్రహిస్తాయి
నిరంతరం ప్రతిరోజూ నవీకరించబడింది.
I డటి ఈ వ్యవస్థలలో అవి తరచుగా సవరించబడతాయి, జోడించబడతాయి లేదా
తొలగించబడింది. ఉదాహరణకు, కస్టమర్ యొక్క చిరునామా కేవలం మారదు
అతను ఒక ప్రదేశం నుండి మరొక ప్రదేశానికి వెళతాడు. ఈ సందర్భంలో కొత్త చిరునామా
యొక్క చిరునామా ఫీల్డ్‌ను సవరించడం ద్వారా నమోదు చేయబడుతుంది డేటాబేస్.
ఈ వ్యవస్థల ప్రధాన లక్ష్యం ఖర్చులను తగ్గించడం
లావాదేవీలు మరియు అదే సమయంలో ప్రాసెసింగ్ సమయాన్ని తగ్గిస్తాయి.
OLTP సిస్టమ్‌ల ఉదాహరణలు వ్రాతలు వంటి క్లిష్టమైన చర్యలను కలిగి ఉంటాయి
ఆర్డర్ అకౌంటింగ్, పేరోల్, ఇన్‌వాయిస్‌లు, తయారీ, AI సేవలు వినియోగదారులు.
OLTP సిస్టమ్‌ల వలె కాకుండా, ఇవి ఒక్కో ప్రక్రియకు సృష్టించబడతాయి
లావాదేవీలు మరియు సంఘటనల ఆధారంగా, i డేటా గిడ్డంగి వారు సృష్టించబడ్డారు
యొక్క విశ్లేషణ-ఆధారిత ప్రక్రియలకు మద్దతును అందించడానికి డటి e సు
నిర్ణయం ప్రక్రియలు.
ఇది సాధారణంగా i ఇంటిగ్రేట్ చేయడం ద్వారా సాధించబడుతుంది డటి వివిధ వ్యవస్థల నుండి
ఒకే "కంటైనర్"లో OLTP మరియు బాహ్య. డటి,చర్చించిన విధంగా
మునుపటి విభాగంలో.
మోనాష్ డేటా వేర్‌హౌసింగ్ ప్రాసెస్ మోడల్
కోసం ప్రక్రియ నమూనా డేటా గిడ్డంగి మోనాష్ అభివృద్ధి చేశారు
మోనాష్ DSS రీసెర్చ్ గ్రూప్ నుండి పరిశోధకులు, ఆధారంగా
యొక్క సాహిత్యాలు డేటా గిడ్డంగి, మద్దతు ఇవ్వడంలో అనుభవంపై
సిస్టమ్స్ ఫీల్డ్‌ల అభివృద్ధి, విక్రేతలతో చర్చలు
ఉపయోగం కోసం అప్లికేషన్లు డేటా గిడ్డంగి, నిపుణుల బృందంపై
ఉపయోగంలో డేటా గిడ్డంగి.
దశలు: ప్రారంభం, ప్రణాళిక, అభివృద్ధి మరియు కార్యకలాపాలు
వివరణలు. రేఖాచిత్రం పునరావృత స్వభావాన్ని వివరిస్తుంది లేదా
పరిణామాత్మక అభివృద్ధి a డేటా గిడ్డంగి ఉపయోగించి ప్రక్రియ
రెండు-మార్గం బాణాలు వేర్వేరు దశల మధ్య ఉంచబడ్డాయి. ఇందులో
"పునరుక్తి" మరియు "పరిణామాత్మక" సందర్భం అంటే, ప్రతిదానిలో
ప్రక్రియ యొక్క దశ, అమలు కార్యకలాపాలు చేయవచ్చు
ఎల్లప్పుడూ మునుపటి దశకు వెనుకకు ప్రచారం చేయండి. ఇది
ప్రాజెక్ట్ యొక్క స్వభావం కారణంగా a డేటా గిడ్డంగి నెల్ క్వాల్
అదనపు అభ్యర్థనలు ఎప్పుడైనా ఉత్పన్నమవుతాయి
తుది వినియోగదారు యొక్క. ఉదాహరణకు, అభివృద్ధి దశలో a
యొక్క ప్రక్రియ డేటా గిడ్డంగి, తుది వినియోగదారు ద్వారా ఒకటి అభ్యర్థించబడింది
కొత్త డైమెన్షన్ లేదా సబ్జెక్ట్ ఏరియాకి చెందినది కాదు
అసలు ప్రణాళిక, ఇది తప్పనిసరిగా సిస్టమ్‌కు జోడించబడాలి. ఈ
ప్రాజెక్టులో మార్పును కలిగిస్తుంది. ఫలితం జట్టు
డిజైన్ ఇప్పటివరకు సృష్టించిన పత్రాల అవసరాలను తప్పనిసరిగా మార్చాలి
డిజైన్ దశలో. చాలా సందర్భాలలో, ప్రస్తుత స్థితి
ప్రాజెక్ట్ తప్పనిసరిగా డిజైన్ దశకు తిరిగి వెళ్లాలి
కొత్త అభ్యర్థన తప్పనిసరిగా జోడించబడాలి మరియు డాక్యుమెంట్ చేయబడాలి. వినియోగదారు
ఫైనల్ తప్పనిసరిగా నిర్దిష్ట డాక్యుమెంటేషన్ సమీక్షించబడిన eiని చూడగలగాలి
అభివృద్ధి దశలో చేసిన మార్పులు. చివరిలో
ఈ అభివృద్ధి చక్రం నుండి ప్రాజెక్ట్ గొప్ప అభిప్రాయాన్ని పొందాలి
రెండు జట్లు, డెవలప్‌మెంట్ టీమ్ మరియు యూజర్ టీమ్. ది
భవిష్యత్ ప్రాజెక్ట్‌ను మెరుగుపరచడానికి అభిప్రాయం మళ్లీ ఉపయోగించబడుతుంది.
సామర్థ్యపు ప్రణాళిక
Dw పరిమాణంలో చాలా పెద్దదిగా మరియు పెరుగుతాయి
చాలా త్వరగా (ఉత్తమ 1995, రూడిన్ 1997a) అనుసరించడం
మొత్తము డటి వారు తమ వ్యవధి నుండి నిలుపుకున్న చరిత్రలు. అక్కడ
పెరుగుదల కూడా కారణం కావచ్చు డటి అభ్యర్థించిన అదనపు అంశాలు
విలువను పెంచడానికి వినియోగదారులు డటి వారు ఇప్పటికే కలిగి ఉన్నారు. నుండి
పర్యవసానంగా, నిల్వ అవసరాలు డటి చెయ్యవచ్చు
గణనీయంగా మెరుగుపరచబడుతుంది (ఎకర్సన్ 1997). కాబట్టి ఇది
యొక్క ప్రణాళికను నిర్వహించడం ద్వారా నిర్ధారించడానికి అవసరం
సామర్థ్యం, ​​దీనితో నిర్మించబడే వ్యవస్థ వృద్ధి చెందుతుంది
అవసరాల పెరుగుదల (బెస్ట్ 1995, లాప్లాంటే 1996, లాంగ్ 1997,
ఎకెర్సన్ 1997, రూడిన్ 1997a, ఫోలే 1997a).
dw స్కేలబిలిటీ కోసం ప్రణాళికలో, ఒకరు తప్పక తెలుసుకోవాలి
ఇన్వెంటరీ పరిమాణంలో అంచనా పెరుగుదల, ప్రశ్నల రకాలు
నిర్వహించబడే అవకాశం ఉంది మరియు మద్దతు ఉన్న తుది వినియోగదారుల సంఖ్య (ఉత్తమమైనది
1995, రూడిన్ 1997b, ఫోలే 1997a). స్కేలబుల్ అప్లికేషన్‌లను రూపొందించండి
స్కేలబుల్ సర్వర్ సాంకేతికతలు మరియు సాంకేతికతల కలయిక అవసరం
స్కేలబుల్ అప్లికేషన్‌ల రూపకల్పన (బెస్ట్ 1995, రూడిన్ 1997b.
అప్లికేషన్‌ను రూపొందించేటప్పుడు రెండూ అవసరం
చాలా స్కేలబుల్. స్కేలబుల్ సర్వర్ సాంకేతికతలు చేయగలవు
నిల్వ, మెమరీ మరియు జోడించడం సులభం మరియు ప్రయోజనకరంగా చేయండి
పనితీరును దిగజార్చకుండా CPU (లాంగ్ 1997, టెలిఫోనీ 1997).
రెండు ప్రధాన స్కేలబుల్ సర్వర్ సాంకేతికతలు ఉన్నాయి: కంప్యూట్
సిమెట్రిక్ మల్టిపుల్ (SMP) మరియు భారీ ప్రాసెసింగ్
సమాంతర (MPP) ) (IDC 1997, హంఫ్రీస్ మరియు ఇతరులు. 1999). ఒక సర్వర్
SMP సాధారణంగా ఒక మెమరీని పంచుకునే బహుళ ప్రాసెసర్‌లను కలిగి ఉంటుంది,
బస్సు వ్యవస్థ మరియు ఇతర వనరులు (IDC 1997, హంఫ్రీస్ మరియు ఇతరులు. 1999).
వృద్ధి కోసం అదనపు ప్రాసెసర్‌లను జోడించవచ్చు
తన శక్తి గణనకు సంబంధించిన. పెంచడానికి మరొక పద్ధతి
శక్తి SMP సర్వర్ యొక్క గణన శక్తి, అనేకం కలపడం
SMP యంత్రాలు. ఈ పద్ధతిని క్లస్టరింగ్ అంటారు (హంఫ్రీస్
ఎప్పటికి. 1999). ఒక MPP సర్వర్, మరోవైపు, ఒక్కొక్కటి బహుళ ప్రాసెసర్‌లను కలిగి ఉంటుంది
దాని స్వంత మెమరీ, బస్సు వ్యవస్థ మరియు ఇతర వనరులతో (IDC 1997,
హంఫ్రీస్ మరియు ఇతరులు. 1999). ప్రతి ప్రాసెసర్‌ను నోడ్ అంటారు. ఎ
పెరుగుదల శక్తి గణన సాధించవచ్చు
MPP సర్వర్‌లకు అదనపు నోడ్‌లను జోడించడం (హంఫ్రీస్ మరియు ఇతరులు.
1999).
SMP సర్వర్‌ల బలహీనత చాలా ఎక్కువ ఇన్‌పుట్-అవుట్‌పుట్ ఆపరేషన్‌లు
(I/O) బస్సు వ్యవస్థలో రద్దీని కలిగి ఉంటుంది (IDC 1997). ఈ
ప్రతి నుండి MPP సర్వర్‌లలో సమస్య ఏర్పడదు
ప్రాసెసర్ దాని స్వంత బస్సు వ్యవస్థను కలిగి ఉంది. అయితే, పరస్పర సంబంధాలు
ప్రతి నోడ్ మధ్య అవి సాధారణంగా బస్సు వ్యవస్థ కంటే చాలా నెమ్మదిగా ఉంటాయి
SMPల యొక్క. అదనంగా, MPP సర్వర్‌లు ఒక పొరను జోడించగలవు
అప్లికేషన్ డెవలపర్‌ల కోసం అదనపు సంక్లిష్టత (IDC
1997). అందువలన, SMP మరియు MPP సర్వర్‌ల మధ్య ఎంపికను ప్రభావితం చేయవచ్చు
ప్రశ్నల సంక్లిష్టత, సంబంధంతో సహా అనేక అంశాల ద్వారా
ధర/పనితీరు, అవసరమైన చికిత్స సామర్థ్యం, ​​ది
dw అప్లికేషన్‌లను మరియు పరిమాణంలో పెరుగుదలను నిరోధించింది డేటాబేస్
dw మరియు తుది వినియోగదారుల సంఖ్యలో.
అనేక స్కేలబుల్ అప్లికేషన్ డిజైన్ పద్ధతులు
సామర్థ్య ప్రణాళికలో ఉపయోగించవచ్చు. ఒకటి
రోజులు, వారాలు, నెలలు మరియు సంవత్సరాల వంటి వివిధ నోటిఫికేషన్ వ్యవధిని ఉపయోగిస్తుంది.
వివిధ నోటిఫికేషన్ వ్యవధిని కలిగి ఉండటం, ది డేటాబేస్ విభజించవచ్చు
ముక్కలు సులభంగా కలిసి ఉంటాయి (ఇన్మోన్ మరియు ఇతరులు. 1997). మరొకటి
నిర్మించబడిన సారాంశ పట్టికలను ఉపయోగించడం సాంకేతికత
సంక్షిప్తం డటి da డటి వివరంగా. కాబట్టి నేను డటి సారాంశాలు ఎక్కువ
వివరాల కంటే కాంపాక్ట్, దీనికి తక్కువ మెమరీ స్థలం అవసరం.
కాబట్టి ది డటి వివరాలు డ్రైవ్‌లో నిల్వ చేయబడతాయి
చౌకైన నిల్వ, ఇది మరింత నిల్వను ఆదా చేస్తుంది.
సారాంశం పట్టికలను ఉపయోగించి స్థలాన్ని ఆదా చేయవచ్చు
మెమరీ, వాటిని తాజాగా ఉంచడానికి మరియు ఇన్‌లైన్‌లో ఉంచడానికి చాలా ప్రయత్నం అవసరం
వాణిజ్య అవసరాలకు అనుగుణంగా. అయితే, ఈ టెక్నిక్
విస్తృతంగా ఉపయోగించబడుతుంది మరియు తరచుగా సాంకేతికతతో కలిపి ఉపయోగిస్తారు
మునుపటి(ఉత్తమ 1995, ఇన్‌మోన్ 1996a, చౌదురి మరియు దయాల్
1997).
నిర్వచించు డేటా గిడ్డంగి సాంకేతిక
ఆర్కిటెక్చర్స్ టెక్నిక్‌ల నిర్వచనం
dw నిర్మాణాలు
డేటా వేర్‌హౌసింగ్‌ను ముందుగా స్వీకరించేవారు ప్రాథమికంగా రూపొందించారు
అన్ని ఉన్న dw యొక్క కేంద్రీకృత అమలు డటి, చేర్చబడింది
i డటి బాహ్య, ఏకంగా విలీనం చేయబడ్డాయి,
భౌతిక నిల్వ (ఇన్మోన్ 1996a, బ్రెస్నహన్ 1996, పీకాక్ 1998).
ఈ విధానం యొక్క ప్రధాన ప్రయోజనం తుది వినియోగదారులు
నేను వ్యవస్థాపక స్థాయిలో వీక్షణను యాక్సెస్ చేయగలను
(ఎంటర్‌ప్రైజ్-వైడ్ వ్యూ) dei డటి సంస్థాగత (ఓవమ్ 1998). మరొకటి
ప్రయోజనం ఏమిటంటే ఇది ప్రామాణీకరణను అందిస్తుంది డటి ద్వారా
సంస్థ, అంటే ఒకే ఒక వెర్షన్ లేదా
dw డిపాజిట్‌లో ఉపయోగించే ప్రతి పదజాలానికి నిర్వచనం
(రిపోజిటీ) మెటాడేటా (ఫ్లానాగన్ మరియు సఫ్డీ 1997, ఓవమ్ 1998). ది
ఈ విధానం యొక్క ప్రతికూలత, మరోవైపు, ఇది ఖరీదైనది మరియు కష్టం
నిర్మించాలి (ఫ్లానాగన్ మరియు సఫ్డీ 1997, ఓవమ్ 1998, ఇన్మోన్ మరియు ఇతరులు.
1998). నిల్వ నిర్మాణం తర్వాత చాలా కాలం తర్వాత డటి
కేంద్రీకృతమైనది ప్రజాదరణ పొందింది, వెలికితీత భావన అభివృద్ధి చెందింది
యొక్క చిన్న ఉపసమితులు డటి యొక్క అవసరాలకు మద్దతు ఇవ్వడానికి
నిర్దిష్ట అప్లికేషన్లు (వార్నీ 1996, IDC 1997, బెర్సన్ మరియు స్మిత్
1997, నెమలి 1998). ఈ చిన్న వ్యవస్థలు మరిన్ని నుండి ఉద్భవించాయి
గొప్ప డేటా గిడ్డంగి కేంద్రీకృతమైన. వాటిని తేదీ అంటారు
డిపెండెంట్ డిపార్ట్‌మెంటల్ గిడ్డంగులు లేదా డిపెండెంట్ డేటా మార్ట్‌లు.
డిపెండెంట్ డేటా మార్ట్ ఆర్కిటెక్చర్ అంటారు
మూడు-అంచెల నిర్మాణంలో మొదటి శ్రేణి డేటాను కలిగి ఉంటుంది
కేంద్రీకృత గిడ్డంగి, రెండవది గిడ్డంగులను కలిగి ఉంటుంది డటి
డిపార్ట్‌మెంటల్ మరియు మూడవది యాక్సెస్‌ను కలిగి ఉంటుంది డటి మరియు సాధనాల నుండి
విశ్లేషణ (Demarest 1994, Inmon et al. 1997).
డేటా మార్ట్‌లు సాధారణంగా దీని తర్వాత నిర్మించబడతాయి డేటా గిడ్డంగి
అవసరాలను తీర్చడానికి కేంద్రీకృతమై నిర్మించబడింది
నిర్దిష్ట యూనిట్లు (వైట్ 1995, వార్నీ 1996).
డేటా మార్ట్‌లు నిల్వ చేస్తాయి డటి వివరాలకు సంబంధించి చాలా సందర్భోచితమైనది
ఐక్యత (ఇన్మోన్ మరియు ఇతరులు. 1997, ఇన్మోన్ మరియు ఇతరులు. 1998, IA 1998).
ఈ పద్ధతి యొక్క ప్రయోజనం ఉండదు తేదీ కాని
ఇంటిగ్రేటెడ్ మరియు ఆ i డటి అవి డేటాలో తక్కువ అనవసరంగా ఉంటాయి
అన్ని నుండి మార్ట్స్ డటి అవి గిడ్డంగి నుండి వస్తాయి డటి ఇంటిగ్రేటెడ్.
మరొక ప్రయోజనం ఏమిటంటే ప్రతి ఒక్కరి మధ్య కొన్ని కనెక్షన్లు ఉంటాయి
డేటా మార్ట్‌లు మరియు సంబంధిత మూలాలు డటి ఎందుకంటే ప్రతి డేటా మార్ట్ మాత్రమే కలిగి ఉంటుంది
యొక్క మూలం డటి. ప్లస్ స్థానంలో ఈ నిర్మాణంతో, వినియోగదారులు
ఫైనల్స్ ఇప్పటికీ స్థూలదృష్టిని యాక్సెస్ చేయగలవు డటి
కార్పొరేట్ సంస్థలు. ఈ పద్ధతి అంటారు
టాప్-డౌన్ పద్ధతి, దీనిలో డేటా మార్ట్‌లు డేటా తర్వాత నిర్మించబడతాయి
గిడ్డంగి (నెమలి 1998, గోఫ్ 1998).
ఫలితాలను ముందుగానే చూపించాల్సిన అవసరాన్ని పెంచడం, కొన్ని
సంస్థలు స్వతంత్ర డేటా మార్ట్‌లను నిర్మించడం ప్రారంభించాయి
(ఫ్లానాగన్ మరియు సఫ్డీ 1997, వైట్ 2000). ఈ సందర్భంలో, డేటా మార్ట్స్
వారు తమని తీసుకుంటారు డటి యొక్క ప్రాథమిక అంశాల నుండి నేరుగా డటి OLTP మరియు నుండి కాదు
కేంద్రీకృత మరియు సమీకృత నిల్వ, తద్వారా అవసరాన్ని తొలగిస్తుంది
సైట్‌లో సెంట్రల్ స్టోరేజీని కలిగి ఉంటాయి.
ప్రతి డేటా మార్ట్‌కు దాని మూలాలకు కనీసం ఒక లింక్ అవసరం
di డటి. ప్రతి తేదీకి బహుళ లింక్‌లను కలిగి ఉండటం ఒక ప్రతికూలత
మార్ట్ అంటే, రెండు మునుపటి ఆర్కిటెక్చర్‌లతో పోలిస్తే, ది
యొక్క overabundance డటి గణనీయంగా పెరుగుతుంది.
ప్రతి డేటా మార్ట్ తప్పనిసరిగా అన్నింటినీ నిల్వ చేయాలి డటి కోసం స్థానికంగా అభ్యర్థించారు
OLTP సిస్టమ్‌లపై ప్రభావం చూపదు. ఇది ఐ డటి
అవి వేర్వేరు డేటా మార్ట్‌లలో నిల్వ చేయబడతాయి (ఇన్మోన్ మరియు ఇతరులు. 1997).
ఈ నిర్మాణం యొక్క మరొక ప్రతికూలత ఏమిటంటే ఇది దారి తీస్తుంది
డేటా మార్ట్‌లు మరియు వాటి మధ్య సంక్లిష్టమైన ఇంటర్‌కనెక్షన్‌ల సృష్టి
యొక్క మూలాలు డటి వీటిని నిర్వహించడం మరియు నియంత్రించడం కష్టం (ఇన్మోన్ ed
ఇతరులు. 1997).
మరొక ప్రతికూలత ఏమిటంటే, తుది వినియోగదారులు శక్తిని పొందలేరు
కంపెనీ సమాచారం యొక్క అవలోకనాన్ని i వలె యాక్సెస్ చేయండి డటి
వివిధ డేటా మార్ట్‌లు ఏకీకృతం చేయబడలేదు (Ovum 1998).
ఇంకొక ప్రతికూలత ఏమిటంటే ఒకటి కంటే ఎక్కువ ఉండవచ్చు
అది రూపొందించే డేటా మార్ట్‌లలో ఉపయోగించే ప్రతి పదజాలానికి నిర్వచనం
యొక్క అసమానతలు డటి సంస్థలో (ఓవమ్ 1998).
పైన చర్చించిన ప్రతికూలతలు ఉన్నప్పటికీ, స్వతంత్ర డేటా మార్ట్స్
అవి ఇప్పటికీ అనేక సంస్థల ఆసక్తిని ఆకర్షిస్తున్నాయి (IDC 1997).
వాటిని ఆకర్షణీయంగా చేసే ఒక అంశం ఏమిటంటే అవి వేగంగా అభివృద్ధి చెందుతాయి
మరియు తక్కువ సమయం మరియు వనరులు అవసరం (బ్రెస్నాహన్ 1996, బెర్సన్ ఇ
స్మిత్ 1997, ఓవమ్ 1998). దీని ప్రకారం, వారు ప్రధానంగా సేవ చేస్తారు
గుర్తించడానికి ఉపయోగించే పరీక్ష ప్రాజెక్టులుగా
ప్రాజెక్ట్‌లోని ప్రయోజనాలు మరియు/లేదా లోపాలను త్వరగా పొందండి (Parsaye
1995, బ్రాలీ 1995, న్యూవింగ్ 1996). ఈ సందర్భంలో, నుండి భాగం
పైలట్ ప్రాజెక్ట్‌లో అమలు చేయడం చిన్నదైనప్పటికీ ముఖ్యమైనదిగా ఉండాలి
సంస్థ కోసం (న్యూవింగ్ 1996, మాన్సెల్-లూయిస్ 1996).
ప్రోటోటైప్‌ను పరిశీలించడం ద్వారా, తుది వినియోగదారులు మరియు పరిపాలన చేయగలరు
ప్రాజెక్ట్‌ను కొనసాగించాలా లేదా ఆపివేయాలా అని నిర్ణయించుకోండి (ఫ్లానాగన్ మరియు సాఫ్డీ
1997).
నిర్ణయం కొనసాగితే, ఇతర రంగాలకు డేటా మార్ట్‌లు
వాటిని ఒక్కొక్కటిగా నిర్మించాలి. కోసం రెండు ఎంపికలు ఉన్నాయి
డేటా నిర్మాణంలో వారి అవసరాల ఆధారంగా తుది వినియోగదారులు
స్వతంత్ర మాతృకలు: ఇంటిగ్రేటెడ్/ఫెడరేటెడ్ మరియు అన్‌ఇంటిగ్రేటెడ్ (ఓవమ్
1998)
మొదటి పద్ధతిలో, ప్రతి కొత్త డేటా మార్ట్ నిర్మించబడాలి
ప్రస్తుత డేటా మార్ట్‌లు మరియు మోడల్ ఆధారంగా డటి ఉపయోగించిన
సంస్థ ద్వారా (వార్నీ 1996, బెర్సన్ మరియు స్మిత్ 1997, పీకాక్ 1998).
మోడల్‌ను ఉపయోగించాల్సిన అవసరం ఉంది డటి సంస్థ యొక్క అది అవసరం చేస్తుంది
ప్రతి పదజాలానికి ఒక నిర్వచనం మాత్రమే ఉండేలా చూసుకోండి
డేటా మార్ట్‌ల ద్వారా ఉపయోగించబడుతుంది, ఇది డేటాను నిర్ధారించడానికి కూడా
యొక్క అవలోకనాన్ని అందించడానికి వివిధ మార్ట్‌లను విలీనం చేయవచ్చు
కార్పొరేట్ సమాచారం (బ్రెస్నాహన్ 1996). ఈ పద్ధతి
బాటమ్-అప్ అని పిలుస్తారు మరియు ప్రతిబంధకం ఉన్నప్పుడు ఉత్తమమైనది
ఆర్థిక సాధనాలు మరియు సమయం (ఫ్లానాగన్ మరియు సాఫ్డీ 1997, ఓవమ్ 1998,
నెమలి 1998, గోఫ్ 1998). రెండవ పద్ధతిలో, డేటా మార్ట్స్
నిర్మించబడినది నిర్దిష్ట యూనిట్ యొక్క అవసరాలను మాత్రమే తీర్చగలదు.
ఫెడరేటెడ్ డేటా మార్ట్ యొక్క వైవిధ్యం డేటా గిడ్డంగి పంపిణీ చేయబడింది
దీనిలో డేటాబేస్ హబ్ సర్వర్ మిడిల్‌వేర్ చాలా మందిలో చేరడానికి ఉపయోగించబడుతుంది
ఒకే రిపోజిటరీలో డేటా మార్ట్‌లు డటి పంపిణీ చేయబడింది (వైట్ 1995). లో
ఈ సందర్భంలో, i డటి కంపెనీలు అనేక డేటా మార్ట్‌లలో పంపిణీ చేయబడ్డాయి.
తుది వినియోగదారు అభ్యర్థనలు ఫార్వార్డ్ చేయబడ్డాయి డేటాబేస్
సర్వర్ హబ్ మిడిల్‌వేర్, ఇది అన్నింటినీ సంగ్రహిస్తుంది డటి డేటా ద్వారా అభ్యర్థించబడింది
మార్ట్ చేసి ఫలితాలను తుది వినియోగదారు అప్లికేషన్‌లకు అందిస్తుంది. ఈ
పద్ధతి తుది వినియోగదారులకు వ్యాపార సమాచారాన్ని అందిస్తుంది. అయితే,
డేటా మార్ట్‌ల సమస్యలు ఇప్పటికీ తొలగించబడలేదు
స్వతంత్ర. మరొక ఆర్కిటెక్చర్ను ఉపయోగించవచ్చు
కాల్ చేయండి డేటా గిడ్డంగి వర్చువల్ (వైట్ 1995). అయితే, ఈ
ఫిగర్ 2.9లో ​​వివరించబడిన వాస్తుశిల్పం వాస్తుశిల్పం కాదు
నిల్వ యొక్క డటి ఇది లోడ్‌ను తరలించదు కాబట్టి ఇది నిజం
OLTP సిస్టమ్స్ నుండి డేటా గిడ్డంగి (డిమరెస్ట్ 1994).
వాస్తవానికి, అభ్యర్థనలు డటి అంతిమ వాడుకరుల ద్వారా ఇది దాటిపోయింది
ప్రాసెస్ చేసిన తర్వాత ఫలితాలను అందించే OLTP సిస్టమ్‌లు
వినియోగదారు అభ్యర్థనలు. ఈ ఆర్కిటెక్చర్ వినియోగదారులను అనుమతించినప్పటికీ
నివేదికలను రూపొందించడానికి మరియు అభ్యర్థనలను రూపొందించడానికి ఫైనల్‌లు అందించలేవు
డటి i వంటి సంస్థ సమాచారం యొక్క చారిత్రక మరియు అవలోకనం డటి
వివిధ OLTP వ్యవస్థల నుండి ఏకీకృతం చేయబడలేదు. కాబట్టి, ఇది
యొక్క విశ్లేషణను ఆర్కిటెక్చర్ సంతృప్తిపరచలేదు డటి వంటి సంక్లిష్టమైనది
ఉదాహరణ అంచనాలు.
యాక్సెస్ మరియు యాక్సెస్ అప్లికేషన్ల ఎంపిక
యొక్క రికవరీ డటి
నిర్మాణం యొక్క ఉద్దేశ్యం a డేటా గిడ్డంగి ప్రసారం చేయడమే
తుది వినియోగదారులకు సమాచారం (ఇన్మోన్ మరియు ఇతరులు 1997, పో 1996,
మెక్‌ఫాడెన్ 1996, షాంక్స్ మరియు ఇతరులు 1997, హామర్‌గ్రెన్ 1998); ఒకటి లేదా
బహుళ యాక్సెస్ మరియు రికవరీ అప్లికేషన్లు డటి తప్పక అందించాలి. కు
నేడు, వినియోగదారు ఎంచుకోవడానికి అనేక రకాల ఈ అప్లికేషన్‌లు ఉన్నాయి
ఎంచుకోండి (Hammergren 1998, Humphries et al. 1999). ది
ఎంచుకున్న అప్లికేషన్లు ప్రయత్నం యొక్క విజయాన్ని నిర్ణయిస్తాయి
నిల్వ యొక్క డటి ఒక సంస్థలో ఎందుకంటే
అప్లికేషన్లు ఎక్కువగా కనిపించే భాగం డేటా గిడ్డంగి వినియోగదారునికి
ఫైనల్ (ఇన్మోన్ మరియు ఇతరులు 1997, పో 1996). తేదీని విజయవంతం చేయడానికి
గిడ్డంగి, యొక్క విశ్లేషణ కార్యకలాపాలకు మద్దతు ఇవ్వగలగాలి డటి
తుది వినియోగదారు (పో 1996, సెడాన్ మరియు బెంజమిన్ 1998, ఎకర్సన్
1999). కాబట్టి తుది వినియోగదారు కోరుకునే “స్థాయి” తప్పనిసరిగా ఉండాలి
గుర్తించబడింది (పో 1996, మాటిసన్ 1996, ఇన్మోన్ మరియు ఇతరులు 1997,
హంఫ్రీస్ మరియు ఇతరులు. 1999).
సాధారణంగా చెప్పాలంటే, తుది వినియోగదారులను మూడుగా వర్గీకరించవచ్చు
వర్గాలు: కార్యనిర్వాహక వినియోగదారులు, వ్యాపార విశ్లేషకులు మరియు శక్తి వినియోగదారులు (పో
1996, హంఫ్రీస్ మరియు ఇతరులు. 1999). ఎగ్జిక్యూటివ్ వినియోగదారులు అవసరం
ముందే నిర్వచించబడిన నివేదికల సమితులకు సులభంగా యాక్సెస్ (హంఫ్రీస్ ed
ఇతరులు 1999). ఈ నివేదికలను సులభంగా సాధించవచ్చు
మెను నావిగేషన్ (పో 1996). అదనంగా, నివేదికలు ఉండాలి
గ్రాఫికల్ ప్రాతినిధ్యాన్ని ఉపయోగించి సమాచారాన్ని అందించండి
త్వరగా రవాణా చేయడానికి పట్టికలు మరియు టెంప్లేట్‌లు వంటివి
సమాచారం (హంఫ్రీస్ మరియు ఇతరులు. 1999). వ్యాపార విశ్లేషకులు, ఎవరు చేయరు
వారు సంబంధాలను అభివృద్ధి చేయడానికి సాంకేతిక అవకాశాలను కలిగి ఉండవచ్చు
వారి స్వంతంగా సున్నా, వారు ప్రస్తుత సంబంధాలను సవరించగలగాలి
వారి నిర్దిష్ట అవసరాలను తీర్చండి (పో 1996, హంఫ్రీస్ మరియు ఇతరులు
1999). మరోవైపు పవర్ యూజర్లు, అంతిమ వినియోగదారుల రకం
నుండి అభ్యర్థనలు మరియు నివేదికలను రూపొందించే మరియు వ్రాయగల సామర్థ్యాన్ని కలిగి ఉంటాయి
సున్నా (పో 1996, హంఫ్రీస్ మరియు ఇతరులు. 1999). వారే వారే
ఇతర రకాల వినియోగదారుల కోసం నివేదికలను అభివృద్ధి చేయండి (పో 1996, హంఫ్రీస్
మరియు ఇతరులు 1999).
నిర్ణయించిన తర్వాత తుది వినియోగదారు అవసరాలు తప్పనిసరిగా చేయాలి
యాక్సెస్ మరియు రికవరీ అప్లికేషన్‌ల ఎంపిక డటి అందరి మధ్య
అందుబాటులో ఉన్నవి (Poe 1996, Inmon et al. 1997).
యాక్సెస్ డటి మరియు తిరిగి పొందే సాధనాలు కావచ్చు
4 రకాలుగా వర్గీకరించబడింది: OLAP సాధనం, EIS/DSS సాధనం, ప్రశ్న సాధనం మరియు
రిపోర్టింగ్ మరియు డేటా మైనింగ్ సాధనాలు.
OLAP సాధనాలు వినియోగదారులను తాత్కాలిక ప్రశ్నలను సృష్టించడానికి అనుమతిస్తాయి
తయారు చేసినవి డేటాబేస్ యొక్క డేటా గిడ్డంగి. ప్లస్ ఈ ఉత్పత్తులు
నుండి డౌన్ డ్రిల్ చేయడానికి వినియోగదారులను అనుమతించండి డటి వారికి సాధారణ
వివరంగా.
EIS/DSS సాధనాలు ఎగ్జిక్యూటివ్ రిపోర్టింగ్‌ను "ఏమిటంటే" విశ్లేషణగా అందిస్తాయి
మరియు మెను-వ్యవస్థీకృత నివేదికలకు యాక్సెస్. నివేదికలు తప్పనిసరిగా ఉండాలి
సులభంగా నావిగేషన్ కోసం ముందే నిర్వచించబడింది మరియు మెనులతో విలీనం చేయబడింది.
ప్రశ్న మరియు రిపోర్టింగ్ సాధనాలు వినియోగదారులు నివేదికలను రూపొందించడానికి అనుమతిస్తాయి
ముందే నిర్వచించబడిన మరియు నిర్దిష్టమైన.
సంబంధాలను గుర్తించడానికి డేటా మైనింగ్ సాధనాలు ఉపయోగించబడతాయి
లో మరచిపోయిన కార్యకలాపాలపై కొత్త వెలుగునిస్తుంది డటి యొక్క
డేటావేర్హౌస్.
ప్రతి రకమైన వినియోగదారు యొక్క అవసరాలను ఆప్టిమైజ్ చేయడంతో పాటు, i
ఎంచుకున్న సాధనాలు తప్పనిసరిగా సహజమైన, సమర్థవంతమైన మరియు ఉపయోగించడానికి సులభమైనవిగా ఉండాలి.
వారు ఆర్కిటెక్చర్ యొక్క ఇతర భాగాలతో కూడా అనుకూలంగా ఉండాలి ఇ
ఇప్పటికే ఉన్న వ్యవస్థలతో పని చేయగల సామర్థ్యం. చేయాలని కూడా సూచించారు
ధరలు మరియు పనితీరుతో డేటా యాక్సెస్ మరియు రిట్రీవల్ సాధనాలను ఎంచుకోండి
సమంజసం. పరిగణించవలసిన ఇతర ప్రమాణాలలో నిబద్ధత కూడా ఉంటుంది
వారి ఉత్పత్తికి మద్దతు ఇచ్చే సాధనం మరియు దాని అభివృద్ధిని అందించే విక్రేత
అదే భవిష్యత్ విడుదలలలో ఉంటుంది. వినియోగదారు నిశ్చితార్థాన్ని నిర్ధారించడానికి
డేటా గిడ్డంగిని ఉపయోగించడంలో, డెవలప్‌మెంట్ టీమ్‌ని కలిగి ఉంటుంది
సాధనం ఎంపిక ప్రక్రియలో వినియోగదారులు. ఈ విషయంలో
ఒక ఆచరణాత్మక వినియోగదారు అంచనాను నిర్వహించాలి.
డేటా వేర్‌హౌస్ విలువను మెరుగుపరచడానికి డెవలప్‌మెంట్ బృందం చేయగలదు
వారి డేటా గిడ్డంగులకు వెబ్ యాక్సెస్‌ను కూడా అందిస్తాయి. ఎ
వెబ్-ప్రారంభించబడిన డేటా వేర్‌హౌస్ వినియోగదారులను యాక్సెస్ చేయడానికి అనుమతిస్తుంది డటి
దూర ప్రాంతాల నుండి లేదా ప్రయాణిస్తున్నప్పుడు. ఇంకా సమాచారం పొందవచ్చు
ఖర్చు తగ్గింపు ద్వారా తక్కువ ఖర్చుతో అందించబడుతుంది
డి శిక్షణ.
2.4.3 డేటా గిడ్డంగి ఆపరేషన్ దశ
ఈ దశ మూడు కార్యకలాపాలను కలిగి ఉంటుంది: తేదీ వ్యూహాలను నిర్వచించడం
రిఫ్రెష్, డేటా గిడ్డంగి కార్యకలాపాల నియంత్రణ మరియు నిర్వహణ
డేటా గిడ్డంగి భద్రత.
డేటా రిఫ్రెష్ వ్యూహాల నిర్వచనం
ప్రారంభ లోడ్ తర్వాత, i డటి నెల్ డేటాబేస్ డేటా గిడ్డంగి యొక్క
ఆడటానికి క్రమానుగతంగా రిఫ్రెష్ చేయాలి
మార్పులు చేయబడ్డాయి డటి అసలైనవి. కాబట్టి మనం నిర్ణయించుకోవాలి
ఎప్పుడు రిఫ్రెష్ చేయాలి, ఎంత తరచుగా
రిఫ్రెష్ మరియు ఎలా రిఫ్రెష్ చేయాలి డటి. చేయాలని సూచించారు
డీఐని రిఫ్రెష్ చేయండి డటి సిస్టమ్‌ని ఆఫ్‌లైన్‌లో తీసుకోవచ్చు. అక్కడ
రిఫ్రెష్ రేట్ డెవలప్‌మెంట్ టీమ్ ఆధారంగా నిర్ణయించబడుతుంది
వినియోగదారు అవసరాలపై. రిఫ్రెష్ చేయడానికి రెండు విధానాలు ఉన్నాయి
డేటా గిడ్డంగి: పూర్తి రిఫ్రెష్ మరియు నిరంతర లోడ్
కంబియామెంటి.
మొదటి విధానం, పూర్తి రిఫ్రెష్, రీలోడ్ అవసరం
అన్నీ డటి మొదటి నుండి. దీని అర్థం అన్నీ డటి అవసరం తప్పక
ప్రతి రిఫ్రెష్‌లో సంగ్రహించబడుతుంది, శుభ్రం చేయబడుతుంది, రూపాంతరం చెందుతుంది మరియు ఏకీకృతం చేయబడుతుంది. ఈ
విధానం సాధ్యమైనంతవరకు, దూరంగా ఉండాలి ఎందుకంటే
దీనికి చాలా సమయం మరియు వనరులు అవసరం.
ఐని నిరంతరం లోడ్ చేయడం ప్రత్యామ్నాయ విధానం
మార్పులు. ఇది i జోడిస్తుంది డటి మార్చబడ్డాయి
చివరి డేటా వేర్‌హౌస్ రిఫ్రెష్ సైకిల్ నుండి. యొక్క గుర్తింపు
కొత్త లేదా సవరించిన రికార్డుల మొత్తాన్ని గణనీయంగా తగ్గిస్తుంది
డటి ప్రతి దానిలోని డేటా వేర్‌హౌస్‌కు ప్రచారం చేయాలి
ఇవి మాత్రమే నుండి నవీకరించబడతాయి డటి కు జోడించబడుతుంది డేటాబేస్
డేటా గిడ్డంగి యొక్క.
ఉపసంహరించుకోవడానికి కనీసం 5 విధానాలను ఉపయోగించవచ్చు
i డటి కొత్త లేదా సవరించిన. సమర్థవంతమైన వ్యూహాన్ని పొందడానికి
డీఐని రిఫ్రెష్ చేయండి డటి ఈ విధానాల మిశ్రమం ఉపయోగకరంగా ఉంటుంది
వ్యవస్థలోని అన్ని మార్పులను ఎంచుకుంటుంది.
టైమ్‌స్టాంప్‌లను ఉపయోగించే మొదటి విధానం, వస్తుందని ఊహిస్తుంది
అందరికీ కేటాయించబడింది డటి టైమ్‌స్టాంప్‌ని ఎడిట్ చేసి అప్‌డేట్ చేసారు
అన్నింటినీ సులభంగా గుర్తించగలగాలి డటి సవరించబడింది మరియు కొత్తది.
అయితే, ఈ విధానం చాలా మందిలో విస్తృతంగా ఉపయోగించబడలేదు
నేటి ఆపరేటింగ్ సిస్టమ్‌లలో భాగం.
ద్వారా రూపొందించబడిన డెల్టా ఫైల్‌ను ఉపయోగించడం రెండవ విధానం
చేసిన మార్పులను మాత్రమే కలిగి ఉన్న అప్లికేషన్ డటి.
ఈ ఫైల్‌ని ఉపయోగించడం వలన నవీకరణ చక్రం కూడా పెరుగుతుంది.
అయితే, ఈ పద్ధతి కూడా చాలా మందిలో ఉపయోగించబడలేదు
అప్లికేషన్లు.
మూడవ విధానం లాగ్ ఫైల్‌ను స్కాన్ చేయడం
ప్రాథమికంగా డెల్టా ఫైల్‌కు సమానమైన సమాచారాన్ని కలిగి ఉంటుంది. ఒకే ఒక
తేడా ఏమిటంటే రికవరీ ప్రాసెస్ కోసం లాగ్ ఫైల్ సృష్టించబడింది మరియు
అర్థం చేసుకోవడం కష్టంగా ఉంటుంది.
నాల్గవ విధానం అప్లికేషన్ కోడ్‌ను సవరించడం.
అయితే చాలా అప్లికేషన్ కోడ్ పాతది మరియు
పెళుసుగా; కాబట్టి ఈ సాంకేతికతను నివారించాలి.
చివరి విధానం పోల్చడం డటి ఫైల్‌తో మూలాలు
ప్రధాన దేవతలు డటి.
డేటా గిడ్డంగి కార్యకలాపాల నియంత్రణ
డేటా వేర్‌హౌస్ వినియోగదారులకు విడుదల చేసిన తర్వాత, అది
కాలక్రమేణా పర్యవేక్షించడం అవసరం. ఈ సందర్భంలో, నిర్వాహకుడు
డేటా గిడ్డంగి ఒకటి లేదా అంతకంటే ఎక్కువ నిర్వహణ సాధనాలను ఉపయోగించవచ్చు మరియు
డేటా వేర్‌హౌస్ వినియోగాన్ని పర్యవేక్షించడానికి నియంత్రణ. ముఖ్యంగా
ప్రజలు మరియు వాతావరణం గురించి సమాచారాన్ని సేకరించవచ్చు
వారు డేటా గిడ్డంగిని యాక్సెస్ చేస్తారు. రండి డటి పంటలు సృష్టించవచ్చు
ఇన్‌పుట్‌గా ఉపయోగించబడే పని యొక్క ప్రొఫైల్
వినియోగదారు ఛార్జ్‌బ్యాక్‌ని అమలు చేయడంలో. ఛార్జ్‌బ్యాక్
ప్రాసెసింగ్ ఖర్చు గురించి వినియోగదారులకు తెలియజేయడానికి అనుమతిస్తుంది
డేటావేర్హౌస్.
ఇంకా, డేటా గిడ్డంగి నియంత్రణ కోసం కూడా ఉపయోగించవచ్చు
ప్రశ్నల రకాలు, వాటి పరిమాణం, ఒక్కో ప్రశ్నల సంఖ్యను గుర్తించండి
రోజు, ప్రశ్నకు ప్రతిస్పందన సమయాలు, చేరుకున్న రంగాలు మరియు పరిమాణం
di డటి ప్రాసెస్ చేయబడింది. చెక్ చేయడం యొక్క మరొక ప్రయోజనం
డేటా గిడ్డంగిని 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 సమీకృత, క్లిష్టమైన, సున్నితమైన అని
సులభంగా చేరుకోవచ్చు. ఈ కారణంగా అది చేయాలి
అనధికార వినియోగదారుల నుండి రక్షించబడాలి. ఒక మార్గం
భద్రతా అమలు డెల్ ఫంక్షన్‌ను ఉపయోగించడం DBMS
వివిధ రకాల వినియోగదారులకు వివిధ అధికారాలను కేటాయించడం. ఇందులో
ప్రతి రకం వినియోగదారు కోసం ఒక ప్రొఫైల్ తప్పనిసరిగా నిర్వహించబడాలి
యాక్సెస్. మీ డేటా గిడ్డంగిని భద్రపరచడానికి మరొక మార్గం దానిని గుప్తీకరించడం
లో వ్రాయబడినట్లుగా డేటా బేస్ డేటా గిడ్డంగి యొక్క. యాక్సెస్
డటి మరియు తిరిగి పొందే సాధనాలు తప్పనిసరిగా డీక్రిప్ట్ చేయాలి డటి సమర్పించే ముందు i
వినియోగదారులకు ఫలితాలు.
2.4.4 డేటా గిడ్డంగి విస్తరణ దశ
డేటా వేర్‌హౌస్ అమలు చక్రంలో ఇది చివరి దశ. ది
ఈ దశలో నిర్వహించాల్సిన కార్యకలాపాలలో శిక్షణ ఉంటుంది
వినియోగదారులు డేటా గిడ్డంగిని ఉపయోగించడానికి మరియు సమీక్షలను రూపొందించడానికి
డేటా గిడ్డంగి యొక్క.
వినియోగదారు శిక్షణ
ముందుగా యూజర్ ట్రైనింగ్ చేయాలి
యాక్సెస్ యొక్క డటి డేటా గిడ్డంగి మరియు సాధనాల ఉపయోగం
తిరిగి పొందడం. సాధారణంగా, సెషన్లు ప్రారంభం కావాలి
యొక్క నిల్వ భావనకు పరిచయం డటికు
డేటా గిడ్డంగి యొక్క కంటెంట్, AI మెటా డటి మరియు ప్రాథమిక లక్షణాలు
ఉపకరణాలు. అప్పుడు, మరింత ఆధునిక వినియోగదారులు కూడా అధ్యయనం చేయవచ్చు
భౌతిక పట్టికలు మరియు డేటా యాక్సెస్ మరియు సాధనాల వినియోగదారు లక్షణాలు
తిరిగి పొందడం.
వినియోగదారు శిక్షణ చేయడానికి అనేక విధానాలు ఉన్నాయి. ఒకటి
ఇందులో అనేక మంది వినియోగదారులు లేదా ఎనలిస్ట్‌ల ఎంపిక ఉంటుంది
వినియోగదారుల సమూహం, వారి నాయకత్వం మరియు సామర్థ్యం ఆధారంగా
కమ్యూనికేషన్. వీటిపై వ్యక్తిగత సామర్థ్యంతో శిక్షణ ఇస్తారు
వారితో సుపరిచితం కావడానికి వారు తెలుసుకోవలసిన ప్రతిదీ
వ్యవస్థ. శిక్షణ పూర్తయిన తర్వాత, వారు తమ పనికి తిరిగి వస్తారు
వారు సిస్టమ్‌ను ఎలా ఉపయోగించాలో ఇతర వినియోగదారులకు బోధించడం ప్రారంభిస్తారు. న
వారు నేర్చుకున్న వాటి ఆధారంగా, ఇతర వినియోగదారులు ప్రారంభించవచ్చు
డేటా గిడ్డంగిని అన్వేషించండి.
అదే విధంగా అనేక మంది వినియోగదారులకు శిక్షణ ఇవ్వడం మరొక విధానం
సమయం, మీరు తరగతి గది కోర్సు తీసుకుంటున్నట్లుగా. ఈ పద్ధతి
శిక్షణ పొందవలసిన అనేక మంది వినియోగదారులు ఉన్నప్పుడు ఇది అనుకూలంగా ఉంటుంది
అదే సమయంలో. మరొక పద్ధతి శిక్షణ
ప్రతి వినియోగదారు వ్యక్తిగతంగా, ఒక్కొక్కటిగా. ఈ పద్ధతి
తక్కువ మంది వినియోగదారులు ఉన్నప్పుడు అనుకూలంగా ఉంటుంది.
వినియోగదారు శిక్షణ యొక్క ఉద్దేశ్యం మిమ్మల్ని పరిచయం చేయడమే
యాక్సెస్ తో డటి మరియు తిరిగి పొందే సాధనాలు అలాగే కంటెంట్‌లు
డేటావేర్హౌస్. అయితే, కొంతమంది వినియోగదారులు నిమగ్నమై ఉండవచ్చు
సెషన్ సమయంలో అందించిన సమాచారం మొత్తం ద్వారా
శిక్షణ. కాబట్టి నిర్దిష్ట సంఖ్యలో పనులు చేయాల్సి ఉంటుంది
ప్రతిస్పందించడానికి కొనసాగుతున్న మద్దతు మరియు రిఫ్రెషర్ సెషన్‌లు
నిర్దిష్ట ప్రశ్నలకు. కొన్ని సందర్భాల్లో ఒక సమూహం ఏర్పడుతుంది
ఈ రకమైన మద్దతును అందించడానికి వినియోగదారులు.
అభిప్రాయాన్ని సేకరిస్తోంది
డేటా గిడ్డంగిని రూపొందించిన తర్వాత, వినియోగదారులు చేయవచ్చు
i ఉపయోగించండి డటి వివిధ ప్రయోజనాల కోసం డేటా వేర్‌హౌస్‌లో నివసిస్తుంది.
ఎక్కువగా, విశ్లేషకులు లేదా వినియోగదారులు iని ఉపయోగిస్తారు డటి నెల్
దీని కోసం డేటా గిడ్డంగి:
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 విశ్లేషణలు మరియు సహాయం కోసం పోటీ కోట్‌లను అందించండి
నియంత్రణ
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, వారు చేయగలరు
అభిప్రాయాన్ని పొందడానికి సిస్టమ్ సమీక్షల శ్రేణిని నిర్వహించండి
అభివృద్ధి బృందం నుండి మరియు సంఘం నుండి రెండూ
చివరి వినియోగదారులు.
పొందిన ఫలితాలను పరిగణనలోకి తీసుకోవచ్చు
తదుపరి అభివృద్ధి చక్రం.
డేటా వేర్‌హౌస్ పెరుగుతున్న విధానాన్ని కలిగి ఉన్నందున,
మునుపటి విజయాలు మరియు తప్పుల నుండి నేర్చుకోవడం చాలా అవసరం
అభివృద్ధి
2.5 సారాంశం
ఈ అధ్యాయంలో ఉన్న విధానాలు చర్చించబడ్డాయి
సాహిత్యం. సెక్షన్ 1లో భావన చర్చించబడింది
డేటా గిడ్డంగి మరియు నిర్ణయ శాస్త్రంలో దాని పాత్ర. లో
విభాగం 2 మధ్య ప్రధాన తేడాలు
డేటా గిడ్డంగి మరియు OLTP వ్యవస్థలు. సెక్షన్ 3లో మేము చర్చించాము
ఉపయోగించిన మోనాష్ డేటా వేర్‌హౌస్ మోడల్
ప్రక్రియలో పాల్గొన్న కార్యకలాపాలను వివరించడానికి విభాగం 4లో
డేటా వేర్‌హౌస్ అభివృద్ధి, ఈ థీసిస్‌పై ఆధారపడలేదు
కఠినమైన పరిశోధన. వాస్తవంలో జరిగేది కావచ్చు
సాహిత్యం నివేదించిన వాటికి చాలా భిన్నంగా ఉంటుంది, అయితే ఇవి
ఫలితాలు ప్రాథమిక సామాను సృష్టించడానికి ఉపయోగించవచ్చు
ఈ పరిశోధన కోసం డేటా గిడ్డంగి భావనను నొక్కి చెప్పండి.
3 వ అధ్యాయము
పరిశోధన మరియు డిజైన్ పద్ధతులు
ఈ అధ్యాయం పరిశోధన మరియు రూపకల్పన పద్ధతులతో వ్యవహరిస్తుంది
ఈ అధ్యయనం. మొదటి భాగం పద్ధతుల యొక్క సాధారణ వీక్షణను చూపుతుంది
సమాచారాన్ని తిరిగి పొందడం కోసం అందుబాటులో ఉన్న పరిశోధన
ఒకదాని కోసం ఉత్తమమైన పద్ధతిని ఎంచుకోవడానికి ప్రమాణాలు చర్చించబడ్డాయి
ప్రత్యేక అధ్యయనం. సెక్షన్ 2లో రెండు పద్ధతులు చర్చించబడ్డాయి
ఇప్పుడే నిర్దేశించిన ప్రమాణాలతో ఎంపిక చేయబడింది; వీటిలో ఎంపిక చేయబడుతుంది మరియు
వారు ఉన్న సెక్షన్ 3లో పేర్కొన్న కారణాలతో ఒకదాన్ని స్వీకరించారు
ఇతర ప్రమాణాలను మినహాయించడానికి గల కారణాలు కూడా వివరించబడ్డాయి. అక్కడ
విభాగం 4 పరిశోధన రూపకల్పనను అందిస్తుంది మరియు విభాగం 5 దానిని అందిస్తుంది
ముగింపులు.
3.1 సమాచార వ్యవస్థలలో పరిశోధన
సమాచార వ్యవస్థల్లో పరిశోధన కేవలం పరిమితం కాదు
సాంకేతిక రంగానికి కానీ చేర్చడానికి కూడా విస్తరించబడాలి
ప్రవర్తన మరియు సంస్థకు సంబంధించిన లక్ష్యాలు.
దీని నుండి వివిధ విభాగాల థీసిస్‌లకు మేము రుణపడి ఉంటాము
సహజమైన వాటికి సామాజిక శాస్త్రాలు; ఇది ఒక అవసరానికి దారి తీస్తుంది
పరిమాణాత్మక పద్ధతులను కలిగి ఉన్న పరిశోధనా పద్ధతుల యొక్క నిర్దిష్ట స్పెక్ట్రం
మరియు గుణాత్మకమైన వాటిని సమాచార వ్యవస్థల కోసం ఉపయోగించాలి.
అందుబాటులో ఉన్న అన్ని పరిశోధన పద్ధతులు ముఖ్యమైనవి, నిజానికి అనేకం
జెంకిన్స్ (1985), నునామేకర్ మరియు ఇతరులు వంటి పరిశోధకులు. (1991), మరియు గల్లీర్స్
(1992) నిర్దిష్ట సార్వత్రిక పద్ధతి లేదని వాదించారు
సమాచార వ్యవస్థల యొక్క వివిధ రంగాలలో పరిశోధన నిర్వహించడానికి; నిజానికి
ఒక పద్ధతి నిర్దిష్ట పరిశోధనకు అనుకూలంగా ఉండవచ్చు కానీ కాదు
ఇతరులకు. ఇది ఒక పద్ధతిని ఎంచుకోవలసిన అవసరాన్ని మాకు తెస్తుంది
మా ప్రత్యేక పరిశోధన ప్రాజెక్ట్ కోసం అనుకూలంగా ఉంటుంది: దీని కోసం
ఎంపిక Benbasat మరియు ఇతరులు. (1987) వాటిని పరిగణించాలని పేర్కొంది
పరిశోధన యొక్క స్వభావం మరియు ప్రయోజనం.
3.1.1 పరిశోధన యొక్క స్వభావం
పరిశోధన యొక్క స్వభావం ఆధారంగా వివిధ పద్ధతులు ఉండవచ్చు
సైన్స్‌లో విస్తృతంగా తెలిసిన మూడు సంప్రదాయాలుగా వర్గీకరించబడింది
సమాచారం: సానుకూల, వివరణాత్మక మరియు విమర్శనాత్మక పరిశోధన.
3.1.1.1 పాజిటివిస్ట్ పరిశోధన
పాజిటివిస్ట్ పరిశోధనను శాస్త్రీయ అధ్యయనం అని కూడా అంటారు
అనుభావిక. ఇది ఇలా ప్రయత్నిస్తుంది: “లో ఏమి జరుగుతుందో వివరించండి మరియు అంచనా వేయండి
క్రమబద్ధతలను మరియు కారణం-మరియు-ప్రభావ సంబంధాలను చూడటం ద్వారా సామాజిక ప్రపంచం
దానిని కలిగి ఉన్న అంశాలలో” (షాంక్స్ మరియు ఇతరులు 1993).
పాజిటివిస్ట్ పరిశోధన రిపీటబిలిటీ ద్వారా కూడా వర్గీకరించబడుతుంది,
సరళీకరణలు మరియు తిరస్కరణలు. ఇంకా, పాజిటివిస్ట్ పరిశోధన అంగీకరించింది
అధ్యయనం చేయబడిన దృగ్విషయాల మధ్య పూర్వ సంబంధాల ఉనికి.
Galliers (1992) ప్రకారం వర్గీకరణ అనేది ఒక పరిశోధనా పద్ధతి
పాజిటివిస్ట్ నమూనాలో చేర్చబడింది, అయితే దీనికి పరిమితం కాదు,
నిజానికి ప్రయోగశాల ప్రయోగాలు, క్షేత్ర ప్రయోగాలు ఉన్నాయి,
కేస్ స్టడీస్, థియరం ప్రూఫ్స్, ప్రిడిక్షన్స్ మరియు సిమ్యులేషన్స్.
ఈ పద్ధతులను ఉపయోగించి పరిశోధకులు దృగ్విషయాన్ని అంగీకరిస్తున్నారు
అధ్యయనం నిష్పాక్షికంగా మరియు కఠినంగా గమనించవచ్చు.
3.1.1.2 వివరణాత్మక పరిశోధన
వివరణాత్మక పరిశోధన, దీనిని తరచుగా దృగ్విషయం లేదా అని పిలుస్తారు
యాంటీ-పాజిటివిజంను న్యూమాన్ (1994) "విశ్లేషణగా వర్ణించారు
ప్రత్యక్ష మరియు ద్వారా చర్య యొక్క సామాజిక అర్ధం యొక్క క్రమబద్ధమైన
సహజ పరిస్థితులలో వ్యక్తుల యొక్క వివరణాత్మక పరిశీలన, క్రమంలో
ఎలా అర్థం చేసుకోవడానికి మరియు అర్థం చేసుకోవడానికి
ప్రజలు తమ సామాజిక ప్రపంచాన్ని సృష్టించుకుంటారు మరియు నిర్వహిస్తారు." అధ్యయనాలు
వివరణాత్మక పద్ధతులు గమనించిన దృగ్విషయాల ఊహను తిరస్కరించాయి
నిష్పక్షపాతంగా గమనించవచ్చు. నిజానికి అవి ఆధారితమైనవి
ఆత్మాశ్రయ వివరణలపై. ఇంకా, వివరణాత్మక పరిశోధకులు అలా చేయరు
వారు అధ్యయనం చేసే దృగ్విషయాలపై ప్రాథమిక అర్థాలను విధిస్తారు.
ఈ పద్ధతిలో ఆత్మాశ్రయ/వాద అధ్యయనాలు, చర్యలు ఉంటాయి
పరిశోధన, వివరణాత్మక/వివరణాత్మక అధ్యయనాలు, భవిష్యత్తు పరిశోధన మరియు ఆటలు
పాత్ర. వీటితో పాటు పరిశోధనలు మరియు కేస్ స్టడీస్ కూడా ఉండవచ్చు
యొక్క అధ్యయనాలకు సంబంధించినందున ఈ విధానంలో చేర్చబడింది
సంక్లిష్ట పరిస్థితుల్లో వ్యక్తులు లేదా సంస్థలు
వాస్తవ ప్రపంచం.
3.1.1.3 క్లిష్టమైన పరిశోధన
విమర్శనాత్మక విచారణ అనేది శాస్త్రాలలో అతి తక్కువగా తెలిసిన విధానం
సామాజికమైనది కానీ ఇటీవల పరిశోధకుల నుండి దృష్టిని ఆకర్షించింది
సమాచార వ్యవస్థల రంగంలో. అనే తాత్విక ఊహ
సామాజిక వాస్తవికత చారిత్రాత్మకంగా ప్రజలచే ఉత్పత్తి చేయబడుతుంది మరియు పునరుత్పత్తి చేయబడుతుంది,
అలాగే వారి చర్యలు మరియు పరస్పర చర్యలతో సామాజిక వ్యవస్థలు. వారి
సామర్థ్యం, ​​అయితే, కొంత మొత్తంలో పరిగణనలోకి తీసుకోవడం ద్వారా మధ్యవర్తిత్వం వహించబడుతుంది
సామాజిక, సాంస్కృతిక మరియు రాజకీయ.
వివరణాత్మక పరిశోధన వలె, విమర్శనాత్మక పరిశోధన దానిని నిర్వహిస్తుంది
సానుకూలవాద పరిశోధనకు సామాజిక సందర్భంతో సంబంధం లేదు మరియు దానిని విస్మరిస్తుంది
మానవ చర్యలపై దాని ప్రభావం.
విమర్శనాత్మక పరిశోధన, మరోవైపు, వివరణాత్మక పరిశోధనను విమర్శిస్తుంది
చాలా ఆత్మాశ్రయంగా ఉండండి మరియు ఇది సహాయం చేయడాన్ని లక్ష్యంగా పెట్టుకోదు
ప్రజలు తమ జీవితాలను మెరుగుపరచుకోవడానికి. మధ్య అతిపెద్ద వ్యత్యాసం
క్లిష్టమైన పరిశోధన మరియు ఇతర రెండు విధానాలు దాని మూల్యాంకన పరిమాణం.
పాజిటివిస్ట్ మరియు వివరణాత్మక సంప్రదాయాల యొక్క నిష్పాక్షికత అయితే
స్థితి లేదా సామాజిక వాస్తవికతను అంచనా వేయండి లేదా వివరించండి, క్లిష్టమైన పరిశోధన
అంతర్లీన సామాజిక వాస్తవికతను విమర్శనాత్మకంగా విశ్లేషించడం మరియు మార్చడం లక్ష్యంగా పెట్టుకుంది
స్టూడియో.
విమర్శనాత్మక పరిశోధకులు సాధారణంగా యథాతథ స్థితిని వ్యతిరేకిస్తారు
సామాజిక వ్యత్యాసాలను తొలగించి సామాజిక పరిస్థితులను మెరుగుపరుస్తాయి. అక్కడ
క్రిటికల్ రీసెర్చ్‌కి సంబంధించిన ప్రాసెస్‌వల్ వీక్షణకు నిబద్ధత ఉంది
ఆసక్తి యొక్క దృగ్విషయం మరియు, అందువలన, సాధారణంగా రేఖాంశంగా ఉంటుంది.
పరిశోధన పద్ధతులకు ఉదాహరణలు దీర్ఘకాలిక చారిత్రక అధ్యయనాలు మరియు
ఎథ్నోగ్రాఫిక్ అధ్యయనాలు. అయితే క్లిష్టమైన పరిశోధన జరగలేదు
సమాచార వ్యవస్థల పరిశోధనలో విస్తృతంగా ఉపయోగించబడుతుంది
3.1.2 పరిశోధన యొక్క ఉద్దేశ్యం
శోధన స్వభావంతో పాటు, దాని ప్రయోజనాన్ని ఉపయోగించవచ్చు
ఒక నిర్దిష్ట పద్ధతిని ఎంచుకోవడంలో పరిశోధకుడికి మార్గనిర్దేశం చేసేందుకు
పరిశోధన. పరిశోధన ప్రాజెక్ట్ యొక్క ఉద్దేశ్యం దగ్గరి సంబంధం కలిగి ఉంటుంది
కలిగి ఉన్న శోధన చక్రానికి సంబంధించి శోధన యొక్క స్థానానికి
మూడు దశలు: థియరీ బిల్డింగ్, థియరీ టెస్టింగ్ మరియు థియరీ రిఫైన్‌మెంట్
సిద్ధాంతం. కాబట్టి, శోధన చక్రానికి సంబంధించి మొమెంటం ఆధారంగా, a
పరిశోధన ప్రాజెక్ట్ వివరణాత్మక, వివరణాత్మక, ప్రయోజనం కలిగి ఉంటుంది
అన్వేషణ లేదా అంచనా.
3.1.2.1 అన్వేషణ పరిశోధన
అన్వేషణాత్మక పరిశోధన ఒక అంశాన్ని పరిశోధించే లక్ష్యంతో ఉంటుంది
పూర్తిగా కొత్త మరియు పరిశోధన ప్రశ్నలు మరియు పరికల్పనలను రూపొందించండి
భవిష్యత్తు. ఈ రకమైన పరిశోధన నిర్మాణంలో ఉపయోగించబడుతుంది
కొత్త ప్రాంతంలో ప్రారంభ సూచనలను పొందడానికి సిద్ధాంతం.
సాధారణంగా, కేసులు వంటి గుణాత్మక పరిశోధన పద్ధతులు ఉపయోగించబడతాయి
అధ్యయనం లేదా దృగ్విషయ అధ్యయనాలు.
అయినప్పటికీ, పరిమాణాత్మక పద్ధతులను ఉపయోగించడం కూడా సాధ్యమే
పరిశోధనాత్మక పరిశోధనలు లేదా ప్రయోగాలు.
3.1.3.3 వివరణాత్మక పరిశోధన
వివరణాత్మక పరిశోధన అనేది ఎక్కువ భాగం విశ్లేషించడం మరియు వివరించడం లక్ష్యంగా ఉంది
నిర్దిష్ట పరిస్థితి లేదా సంస్థాగత అభ్యాసాన్ని వివరించండి. ఈ
సిద్ధాంత నిర్మాణానికి తగినది మరియు దీనిని కూడా ఉపయోగించవచ్చు
పరికల్పనలను నిర్ధారించండి లేదా వివాదం చేయండి. సాధారణంగా వివరణాత్మక పరిశోధన
కొలతలు మరియు నమూనాల వినియోగాన్ని కలిగి ఉంటుంది. అత్యంత అనుకూలమైన పరిశోధన పద్ధతులు
పూర్వాపరాల పరిశోధనలు మరియు విశ్లేషణలు ఉన్నాయి.
3.1.2.3 వివరణాత్మక పరిశోధన
విషయాలు ఎందుకు జరుగుతాయో వివరించడానికి వివరణాత్మక పరిశోధన ప్రయత్నిస్తుంది.
ఇది ఇప్పటికే అధ్యయనం చేయబడిన మరియు కనుగొనడానికి ప్రయత్నించిన వాస్తవాలపై నిర్మించబడింది
ఈ వాస్తవాలకు కారణాలు.
కాబట్టి వివరణాత్మక పరిశోధన సాధారణంగా పరిశోధనపై నిర్మించబడింది
అన్వేషణాత్మక లేదా వివరణాత్మకమైనది మరియు పరీక్ష మరియు శుద్ధికి అనుబంధంగా ఉంటుంది
సిద్ధాంతాలు. వివరణాత్మక పరిశోధన సాధారణంగా కేస్ స్టడీస్‌ను ఉపయోగిస్తుంది
లేదా సర్వే ఆధారిత పరిశోధన పద్ధతులు.
3.1.2.4 నివారణ పరిశోధన
ప్రివెంటివ్ పరిశోధన సంఘటనలు మరియు ప్రవర్తనలను అంచనా వేయడం లక్ష్యంగా పెట్టుకుంది
అధ్యయనం చేయబడుతున్న పరిశీలనలో (మార్షల్ మరియు రోస్మాన్
1995). అంచనా అనేది సత్యం యొక్క ప్రామాణిక శాస్త్రీయ పరీక్ష.
ఈ రకమైన పరిశోధన సాధారణంగా సర్వేలు లేదా విశ్లేషణలను ఉపయోగిస్తుంది
డటి చరిత్రకారులు. (యిన్ 1989)
పై చర్చ అనేకం ఉన్నాయని చూపిస్తుంది
ఒక అధ్యయనంలో ఉపయోగించగల సాధ్యమైన పరిశోధన పద్ధతులు
ప్రత్యేకంగా. అయితే, మరింత అనుకూలంగా ఉండే నిర్దిష్ట పద్ధతి ఉండాలి
ఒక నిర్దిష్ట రకం పరిశోధన ప్రాజెక్ట్ కోసం ఇతరులు. (గ్యాలియర్స్
1987, యిన్ 1989, డి వాస్ 1991). ప్రతి పరిశోధకుడు, అందువలన, కలిగి
యొక్క బలాలు మరియు బలహీనతలను జాగ్రత్తగా విశ్లేషించాలి
వివిధ పద్ధతులు, అత్యంత అనుకూలమైన పరిశోధనా పద్ధతిని అనుసరించడానికి ఇ
పరిశోధన ప్రాజెక్ట్‌కు అనుకూలంగా ఉంటుంది. (జెంకిన్స్ 1985, పెర్వాన్ మరియు క్లాస్
1992, బోనోమియా 1985, యిన్ 1989, హిమిల్టన్ మరియు ఇవ్స్ 1992).
3.2 సాధ్యమైన పరిశోధన పద్ధతులు
లో అనుభవాన్ని అధ్యయనం చేయడం ఈ ప్రాజెక్ట్ యొక్క లక్ష్యం
ఐతో ఆస్ట్రేలియన్ సంస్థలు డటి ఒకదానితో నిల్వ చేయబడుతుంది
స్విలుప్పో డి డేటా గిడ్డంగి. తేదీ ఇది, ప్రస్తుతం, ఒకటి ఉంది
ఆస్ట్రేలియాలోని డేటా వేర్‌హౌసింగ్ ప్రాంతంలో పరిశోధన లేకపోవడం,
ఈ పరిశోధన ప్రాజెక్ట్ సైకిల్ సైద్ధాంతిక దశలోనే ఉంది
పరిశోధన మరియు అన్వేషణాత్మక ప్రయోజనం ఉంది. లో అనుభవాన్ని అన్వేషించడం
ఆస్ట్రేలియన్ సంస్థలు డేటా వేర్‌హౌసింగ్‌ను అవలంబిస్తున్నాయి
వాస్తవ సమాజం యొక్క వివరణ అవసరం. పర్యవసానంగా, ది
పరిశోధన ప్రాజెక్ట్ యొక్క తాత్విక భావన క్రింది విధంగా ఉంది
సాంప్రదాయ వివరణ.
అందుబాటులో ఉన్న పద్ధతుల యొక్క కఠినమైన పరిశీలన తర్వాత, వారు గుర్తించబడ్డారు
రెండు సాధ్యమైన పరిశోధన పద్ధతులు: సర్వేలు మరియు కేస్ స్టడీస్
(కేస్ స్టడీస్), ఇది పరిశోధన కోసం ఉపయోగించవచ్చు
అన్వేషణ (షాంక్స్ మరియు ఇతరులు. 1993). Galliers (1992) అని వాదించారు
ఈ ప్రత్యేక అధ్యయనం కోసం ఈ రెండు పద్ధతుల అనుకూలత
దాని సవరించిన వర్గీకరణ అవి నిర్మాణానికి అనుకూలంగా ఉన్నాయని చెబుతోంది
సిద్ధాంతపరమైన. కింది రెండు ఉపవిభాగాలు ప్రతి పద్ధతిని చర్చిస్తాయి
వివరాలు.
3.2.1 సర్వే పరిశోధన పద్ధతి
సర్వే పరిశోధన పద్ధతి పురాతన పద్ధతి నుండి వచ్చింది
జనాభా గణన. జనాభా గణన అనేది సమాచారాన్ని సేకరించడం
మొత్తం జనాభా. ఈ పద్ధతి ఖరీదైనది మరియు అసాధ్యమైనది
ముఖ్యంగా జనాభా ఎక్కువగా ఉంటే. కాబట్టి, పోలిస్తే
జనాభా గణన, సర్వే సాధారణంగా దీనిపై దృష్టి సారిస్తుంది
యొక్క చిన్న సంఖ్య లేదా నమూనా కోసం సమాచారాన్ని సేకరించండి
జనాభా ప్రతినిధులు (ఫౌలర్ 1988, న్యూమాన్ 1994). ఎ
నమూనా అది తీసిన జనాభాను విభిన్నంగా ప్రతిబింబిస్తుంది
నమూనా నిర్మాణం ప్రకారం ఖచ్చితత్వం స్థాయిలు, ది
పరిమాణం మరియు ఉపయోగించిన ఎంపిక పద్ధతి (ఫౌలర్ 1988, బాబీ
1982, న్యూమాన్ 1994).
విచారణ పద్ధతిని "సాధనల స్నాప్‌షాట్‌లు,
ఒక నిర్దిష్ట సమయంలో సందర్భాలు లేదా వీక్షణలు, ఉపయోగించి చేపట్టారు
ప్రశ్నాపత్రాలు లేదా ఇంటర్వ్యూలు, వీటి నుండి అనుమానాలు ఉండవచ్చు
మేడ్” (గ్యాలియర్స్ 1992:153) [ప్రాక్టీసుల తక్షణ ఛాయాచిత్రం,
నిర్దిష్ట సమయంలో పరిస్థితులు లేదా వీక్షణలు, ఉపయోగించి చేపట్టారు
ప్రశ్నాపత్రాలు లేదా ఇంటర్వ్యూలు, వీటి నుండి అనుమానాలు చేయవచ్చు]. ది
పరిశోధనలు కొన్ని అంశాలకు సంబంధించిన సమాచార సేకరణతో వ్యవహరిస్తాయి
అధ్యయనం యొక్క, నిర్దిష్ట సంఖ్యలో పాల్గొనే వారిచే, మేకింగ్
ప్రశ్నలు (ఫౌలర్ 1988). ఈ ప్రశ్నాపత్రాలు మరియు ఇంటర్వ్యూలు కూడా
ముఖాముఖి టెలిఫోన్ మరియు నిర్మాణాత్మక ఇంటర్వ్యూలు ఉన్నాయి,
యొక్క సేకరణ పద్ధతులు డటి అత్యంత సాధారణంగా ఉపయోగించే
పరిశోధనలు (బ్లాక్ 1970, నాచ్మియాస్ మరియు నాచ్మియాస్ 1976, ఫౌలర్
1988), పరిశీలనలు మరియు విశ్లేషణలను ఉపయోగించవచ్చు (గేబుల్
1994). సేకరించే ఈ పద్ధతులన్నింటిలో డటి, దాని యొక్క ఉపయోగం
ప్రశ్నాపత్రం అత్యంత ప్రజాదరణ పొందిన సాంకేతికత, ఎందుకంటే ఇది i డటి
సేకరించినవి నిర్మాణాత్మకమైనవి మరియు ఫార్మాట్ చేయబడ్డాయి మరియు అందుచేత సులభతరం చేస్తాయి
సమాచార వర్గీకరణ (హ్వాంగ్ 1987, డి వాస్ 1991).
విశ్లేషించేటప్పుడు i డటి, దర్యాప్తు వ్యూహం తరచుగా పని చేస్తుంది
గణాంక విశ్లేషణ వంటి పరిమాణాత్మక పద్ధతులు, కానీ అవి కావచ్చు
గుణాత్మక పద్ధతులు కూడా ఉపయోగించబడతాయి (గల్లీర్స్ 1992, పెర్వాన్
మరియు క్లాస్ 1992, గేబుల్ 1994). సాధారణంగా, i డటి సేకరించబడ్డాయి
అసోసియేషన్ల పంపిణీలు మరియు నమూనాలను విశ్లేషించడానికి ఉపయోగిస్తారు
(ఫౌలర్ 1988).
సర్వేలు సాధారణంగా పరిశోధనకు తగినవి అయినప్పటికీ
అది 'ఏమిటి?' (ఏమిటి) లేదా దాని నుండి
'ఎంత' మరియు 'ఎంత' వంటి ఉత్పన్నాలు, అవి
'ఎందుకు' ప్రశ్న ద్వారా అడగవచ్చు (సోన్‌క్విస్ట్ మరియు
డంకెల్‌బర్గ్ 1977, యిన్ 1989). సోన్‌క్విస్ట్ మరియు డంకెల్‌బర్గ్ ప్రకారం
(1977), పరిశోధన పరిశోధన కష్టమైన పరికల్పనలను లక్ష్యంగా చేసుకుంది, ప్రోగ్రామ్
మూల్యాంకనం, జనాభాను వివరించడం మరియు నమూనాలను అభివృద్ధి చేయడం
మానవ ప్రవర్తన. అదనంగా, సర్వేలను ఉపయోగించవచ్చు
జనాభా యొక్క నిర్దిష్ట అభిప్రాయాన్ని అధ్యయనం చేయడానికి, పరిస్థితులు,
అభిప్రాయాలు, లక్షణాలు, అంచనాలు మరియు గత ప్రవర్తనలు కూడా
లేదా ప్రస్తుతం (న్యూమాన్ 1994).
పరిశోధనలు పరిశోధకుడికి మధ్య సంబంధాలను కనుగొనటానికి అనుమతిస్తాయి
జనాభా మరియు ఫలితాలు సాధారణంగా కంటే సాధారణమైనవి
ఇతర పద్ధతులు (Sonquist మరియు Dunkelberg 1977, Gable 1994). ది
సర్వేలు పరిశోధకులు భౌగోళిక ప్రాంతాన్ని కవర్ చేయడానికి అనుమతిస్తాయి
విస్తృత మరియు అనేక డిక్లరర్లను చేరుకోవడానికి (బ్లాక్ 1970,
సోన్‌క్విస్ట్ మరియు డంకెల్‌బర్గ్ 1977, హ్వాంగ్ మరియు లిన్ 1987, గేబుల్ 1994,
న్యూమాన్ 1994). చివరగా, సర్వేలు సమాచారాన్ని అందించగలవు
అవి మరెక్కడా అందుబాటులో లేవు లేదా విశ్లేషణలకు అవసరమైన రూపంలో లేవు
(ఫౌలర్ 1988).
అయితే, సర్వే నిర్వహించడంలో కొన్ని పరిమితులు ఉన్నాయి. ఒకటి
ప్రతికూలత ఏమిటంటే పరిశోధకుడు ఎక్కువ సమాచారాన్ని పొందలేడు
అధ్యయనం చేసిన వస్తువుకు సంబంధించి. ఇది వాస్తవం కారణంగా ఉంది
పరిశోధనలు ఒక నిర్దిష్ట సమయంలో మాత్రమే నిర్వహించబడతాయి మరియు అందువల్ల,
పరిశోధకుడు చేయగల పరిమిత సంఖ్యలో వేరియబుల్స్ మరియు వ్యక్తులు ఉన్నాయి
అధ్యయనం (Yin 1989, de Vaus 1991, Gable 1994, Denscombe 1998).
మరొక ప్రతికూలత ఏమిటంటే, ఒక సర్వేను అమలు చేయడం
సమయం మరియు వనరుల పరంగా చాలా ఖరీదైనది, ప్రత్యేకించి ఉంటే
ముఖాముఖి ఇంటర్వ్యూలను కలిగి ఉంటుంది (ఫౌలర్ 1988).
3.2.2 విచారణ పరిశోధన పద్ధతి
విచారణ పరిశోధన పద్ధతిలో లోతైన అధ్యయనం ఉంటుంది
ఒక నిర్దిష్ట పరిస్థితి దాని వాస్తవ సందర్భంలో
నిర్వచించిన కాల వ్యవధి, ఎటువంటి జోక్యం లేకుండా
పరిశోధకుడు (షాంక్స్ & సి. 1993, ఐసెన్‌హార్డ్ట్ 1989, జెంకిన్స్ 1985).
మధ్య సంబంధాలను వివరించడానికి ప్రధానంగా ఈ పద్ధతి ఉపయోగించబడుతుంది
ఒక నిర్దిష్ట పరిస్థితిలో అధ్యయనం చేయబడే వేరియబుల్స్
(గల్లీర్స్ 1992). పరిశోధనలలో వ్యక్తిగత కేసులు ఉండవచ్చు లేదా
బహుళ, విశ్లేషించబడిన దృగ్విషయాన్ని బట్టి (ఫ్రాంజ్ మరియు రాబీ 1987,
ఐసెన్‌హార్డ్ట్ 1989, యిన్ 1989).
విచారణ పరిశోధన పద్ధతి "ఒక విచారణగా నిర్వచించబడింది
ఒక సమకాలీన దృగ్విషయాన్ని అధ్యయనం చేసే అనుభావిక అధ్యయనం
సాపేక్ష వాస్తవ సందర్భం, ఒకటి నుండి సేకరించిన బహుళ మూలాలను ఉపయోగించడం లేదా
వ్యక్తులు, సమూహాలు లేదా సంస్థలు వంటి బహుళ సంస్థలు" (యిన్ 1989).
దృగ్విషయం మరియు దాని సందర్భం మధ్య స్పష్టమైన విభజన లేదు ఇ
వేరియబుల్స్ యొక్క నియంత్రణ లేదా ప్రయోగాత్మక తారుమారు లేదు (యిన్
1989, బెన్‌బాసట్ మరియు ఇతరులు. 1987).
సేకరించడానికి వివిధ పద్ధతులు ఉన్నాయి డటి వారు చేయగలరు
విచారణ పద్ధతిలో నియమించబడాలి, వీటిలో ఉన్నాయి
ప్రత్యక్ష పరిశీలనలు, ఆర్కైవల్ రికార్డుల సమీక్షలు, ప్రశ్నాపత్రాలు,
డాక్యుమెంటేషన్ మరియు నిర్మాణాత్మక ఇంటర్వ్యూల సమీక్ష. కలిగి
పంటకోత సాంకేతికత యొక్క విభిన్న శ్రేణి డటి, పరిశోధనలు
రెండింటితో వ్యవహరించడానికి పరిశోధకులను అనుమతిస్తాయి డటి గుణాత్మకమైనది
అదే సమయంలో పరిమాణాలు (బోనోమా 1985, ఐసెన్‌హార్డ్ట్ 1989, యిన్
1989, గేబుల్ 1994). సర్వే పద్ధతిలో ఉన్నట్లుగా, a
విచారణ పరిశోధకుడు పరిశీలకుడిగా లేదా పరిశోధకుడిగా వ్యవహరిస్తాడు మరియు కాదు
అధ్యయనంలో ఉన్న సంస్థలో చురుకుగా పాల్గొనే వ్యక్తిగా.
Benbasat et al. (1987) విచారణ పద్ధతి అని నొక్కి చెప్పారు
ముఖ్యంగా థియరీ బిల్డింగ్ రీసెర్చ్‌కు తగినది
పరిశోధన ప్రశ్నతో ప్రారంభించండి మరియు శిక్షణతో కొనసాగించండి
సేకరించే ప్రక్రియలో ఒక సిద్ధాంతం డటి. ఉండటం
వేదికకు కూడా అనుకూలం
థియరీ బిల్డింగ్, ఫ్రాంజ్ మరియు రోబీ (1987) సూచిస్తున్నారు
విచారణ పద్ధతిని కాంప్లెక్స్ కోసం కూడా ఉపయోగించవచ్చు
సిద్ధాంత దశ. ఈ కేసులో, సేకరించిన సాక్ష్యాల ఆధారంగా, ఒకటి
ఇచ్చిన సిద్ధాంతం లేదా పరికల్పన ధృవీకరించబడింది లేదా తిరస్కరించబడింది. అదనంగా, విచారణ
'ఎలా' లేదా 'ఎలా' ప్రశ్నలతో వ్యవహరించే పరిశోధనకు కూడా అనుకూలం
'ఎందుకు' (యిన్ 1989).
ఇతర పద్ధతులతో పోలిస్తే, సర్వేలు పరిశోధకుడికి అనుమతిస్తాయి
అవసరమైన సమాచారాన్ని మరింత వివరంగా సంగ్రహించండి (గ్యాలియర్స్
1992, షాంక్స్ మరియు ఇతరులు 1993). ఇంకా, పరిశోధనలు అనుమతిస్తాయి
అధ్యయనం చేసిన ప్రక్రియల స్వభావం మరియు సంక్లిష్టతను అర్థం చేసుకోవడానికి పరిశోధకుడు
(బెన్‌బాసట్ మరియు ఇతరులు. 1987).
ఈ పద్ధతికి సంబంధించి నాలుగు ప్రధాన ప్రతికూలతలు ఉన్నాయి
విచారణ మొదటిది నియంత్రిత తగ్గింపులు లేకపోవడం. అక్కడ
పరిశోధకుడి ఆత్మాశ్రయత ఫలితాలు మరియు ముగింపులను మార్చగలదు
అధ్యయనం (యిన్ 1989). రెండవ ప్రతికూలత లేకపోవడం
నియంత్రిత పరిశీలన. ప్రయోగాత్మక పద్ధతుల వలె కాకుండా, ది
విచారణ పరిశోధకుడు అధ్యయనం చేసిన దృగ్విషయాలను నియంత్రించలేరు
అవి వాటి సహజ సందర్భంలో పరిశీలించబడతాయి (గేబుల్ 1994). ది
మూడవ ప్రతికూలత ప్రతిరూపం లేకపోవడం. ఇది వాస్తవం కారణంగా ఉంది
పరిశోధకుడు అదే సంఘటనలను గమనించే అవకాశం లేదు, మరియు
నిర్దిష్ట అధ్యయనం యొక్క ఫలితాలను ధృవీకరించలేదు (లీ 1989).
చివరగా, నాన్-రెప్లికేబిలిటీ యొక్క పర్యవసానంగా, ఇది కష్టం
ఒకటి లేదా అంతకంటే ఎక్కువ పరిశోధనల నుండి పొందిన ఫలితాలను సాధారణీకరించండి (గ్యాలియర్స్
1992, షాంక్స్ మరియు ఇతరులు 1993). అయితే, ఈ సమస్యలన్నీ కాదు
అధిగమించలేనివి మరియు నిజానికి, ద్వారా తగ్గించవచ్చు
తగిన చర్యలను అన్వయించే పరిశోధకుడు (లీ 1989).
3.3 పరిశోధన పద్ధతిని సమర్థించండి
దత్తత తీసుకున్నారు
ఈ అధ్యయనం కోసం సాధ్యమయ్యే రెండు పరిశోధన పద్ధతుల నుండి, పద్ధతి
విచారణ అత్యంత అనుకూలమైనదిగా పరిగణించబడుతుంది. విచారణ అంటే
సంబంధిత వాటిని జాగ్రత్తగా పరిశీలించిన తర్వాత విస్మరించబడింది
యోగ్యతలు మరియు బలహీనతలు. ప్రతి ఒక్కరి సౌలభ్యం లేదా అనుచితమైనది
ఈ అధ్యయనం కోసం పద్ధతి క్రింద చర్చించబడింది.
3.3.1 పరిశోధన పద్ధతి యొక్క అసంబద్ధత
విచారణ యొక్క
విచారణ పద్ధతికి ఒకదాని గురించి లోతైన అధ్యయనం అవసరం
ఒక కోసం ఒకటి లేదా అంతకంటే ఎక్కువ సంస్థలలో ప్రత్యేక పరిస్థితి
కాల వ్యవధి (ఐసెన్‌హార్డ్ట్ 1989). ఈ సందర్భంలో, కాలం చేయవచ్చు
ఈ అధ్యయనం కోసం ఇచ్చిన కాలపరిమితిని మించిపోయింది. మరొకటి
సర్వే పద్ధతిని అనుసరించకపోవడానికి కారణం ఫలితాలు
వారు కఠినత్వం లేకపోవడంతో బాధపడవచ్చు (యిన్ 1989). సబ్జెక్టివిటీ
పరిశోధకుడి ఫలితాలు మరియు ముగింపులను ప్రభావితం చేయవచ్చు. మరొకటి
కారణం ప్రశ్నలపై పరిశోధనకు ఈ పద్ధతి మరింత అనుకూలంగా ఉంటుంది
'ఎలా' లేదా 'ఎందుకు' రకం (యిన్ 1989), అయితే పరిశోధన ప్రశ్న
ఈ అధ్యయనం కోసం ఇది 'ఏ' రకం. చివరిది కానీ కాదు
ముఖ్యముగా, కేవలం ఒకటి నుండి కనుగొన్న వాటిని సాధారణీకరించడం కష్టం
కొన్ని పరిశోధనలు (గల్లీర్స్ 1992, షాంక్స్ మరియు ఇతరులు 1993). ఆధారంగా
ఈ హేతుబద్ధమైన వివరణ, విచారణ పరిశోధన పద్ధతి కాదు
ఇది ఈ అధ్యయనానికి తగనిది కనుక ఎంపిక చేయబడింది.
3.3.2 యొక్క శోధన పద్ధతి యొక్క సౌలభ్యం
విచారణ
ఈ పరిశోధన నిర్వహించబడినప్పుడు, డేటా వేర్‌హౌసింగ్ యొక్క అభ్యాసం
ద్వారా విస్తృతంగా స్వీకరించబడలేదు
ఆస్ట్రేలియన్ సంస్థలు. కాబట్టి, చాలా సమాచారం లేదు
లోపల వాటి అమలుకు సంబంధించి
ఆస్ట్రేలియన్ సంస్థలు. అందుబాటులో ఉన్న సమాచారం వచ్చింది
డేటాను అమలు చేసిన లేదా ఉపయోగించిన సంస్థల నుండి
గిడ్డంగి. ఈ సందర్భంలో, సర్వే పరిశోధన పద్ధతి చాలా ఎక్కువ
తగినది ఎందుకంటే ఇది లేని సమాచారాన్ని పొందేందుకు మిమ్మల్ని అనుమతిస్తుంది
మరెక్కడైనా లేదా విశ్లేషణకు అవసరమైన రూపంలో అందుబాటులో ఉంటుంది (ఫౌలర్ 1988).
అదనంగా, సర్వే పరిశోధన పద్ధతి పరిశోధకుడికి అనుమతిస్తుంది
అభ్యాసాలు, పరిస్థితులు లేదా వాటిపై మంచి అంతర్దృష్టిని పొందండి
ఒక నిర్దిష్ట సమయంలో కనిపించింది (Galliers 1992, Denscombe 1998).
పెంచడానికి మొత్తం వీక్షణ అవసరం
ఆస్ట్రేలియన్ డేటా వేర్‌హౌసింగ్ అనుభవం గురించి జ్ఞానం.
మళ్ళీ, Sonquist మరియు Dunkelberg (1977) యొక్క ఫలితాలు
ఇతర పద్ధతుల కంటే సర్వే పరిశోధన చాలా సాధారణమైనది.
3.4 సర్వే రీసెర్చ్ డిజైన్
డేటా వేర్‌హౌసింగ్ ప్రాక్టీస్‌పై పరిశోధన 1999లో జరిగింది.

లక్ష్య జనాభా సంస్థలను కలిగి ఉంది
ఆస్ట్రేలియన్లు డేటా వేర్‌హౌసింగ్ అధ్యయనాలపై ఆసక్తి కలిగి ఉన్నారు
బహుశా i గురించి ఇప్పటికే తెలియజేసి ఉండవచ్చు డటి వారు నిల్వ చేస్తారు మరియు,
కాబట్టి, ఇది ఈ అధ్యయనానికి ఉపయోగకరమైన సమాచారాన్ని అందించగలదు. అక్కడ
యొక్క ప్రారంభ సర్వేతో లక్ష్య జనాభా గుర్తించబడింది
'ది డేటా వేర్‌హౌసింగ్ ఇన్‌స్టిట్యూట్' (Tdwiaap)లోని ఆస్ట్రేలియన్ సభ్యులందరూ.
ఈ విభాగం పరిశోధన దశ రూపకల్పనను చర్చిస్తుంది
ఈ అధ్యయనం యొక్క అనుభావిక సాక్ష్యం.
3.4.1 హార్వెస్టింగ్ టెక్నిక్ డటి
సర్వే పరిశోధనలో సాధారణంగా ఉపయోగించే మూడు పద్ధతుల నుండి
(అనగా పోస్టల్ ప్రశ్నాపత్రం, టెలిఫోన్ ఇంటర్వ్యూ మరియు ఇంటర్వ్యూ
వ్యక్తిగత) (నాచ్మియాస్ 1976, ఫౌలర్ 1988, డి వాస్ 1991), కోసం
ఈ అధ్యయనం మెయిల్ ప్రశ్నాపత్రాన్ని స్వీకరించింది. మొదటిది
రెండోదాన్ని స్వీకరించడానికి కారణం అది సాధించగలదు
భౌగోళికంగా చెదరగొట్టబడిన జనాభా (బ్లాక్ 1970, నాచ్మియాస్ ఇ
నాచ్మియాస్ 1976, హ్వాంగ్ మరియు లిన్ 1987, డి వాస్ 1991, గేబుల్ 1994).
రెండవది, పోస్టల్ ప్రశ్నాపత్రం పాల్గొనేవారికి అనుకూలంగా ఉంటుంది
ఉన్నత విద్యావంతుడు (ఫౌలర్ 1988). దీని కోసం మెయిల్ ప్రశ్నాపత్రం
అధ్యయనం డేటా వేర్‌హౌసింగ్ ప్రాజెక్ట్ స్పాన్సర్‌లకు ఉద్దేశించబడింది,
డైరెక్టర్లు మరియు/లేదా ప్రాజెక్ట్ మేనేజర్లు. మూడవది, ప్రశ్నాపత్రాలు దూరంగా ఉన్నాయి
మీరు సురక్షిత జాబితాను కలిగి ఉన్నప్పుడు మెయిల్ అనుకూలంగా ఉంటుంది
చిరునామాలు (సలాంట్ మరియు దిల్మాన్ 1994). TDWI, ఈ సందర్భంలో, ఒకటి
విశ్వసనీయ డేటా వేర్‌హౌసింగ్ అసోసియేషన్ చిరునామా జాబితాను అందించింది
దాని ఆస్ట్రేలియన్ సభ్యులు. ప్రశ్నాపత్రం యొక్క మరొక ప్రయోజనం
మెయిల్ వర్సెస్ టెలిఫోన్ ప్రశ్నాపత్రం లేదా ఇంటర్వ్యూల ద్వారా
వ్యక్తిగతమైనది రిజిస్ట్రెంట్లు మరింత ప్రతిస్పందించడానికి అనుమతిస్తుంది
ఖచ్చితత్వం, ముఖ్యంగా రిజిస్టర్లు సంప్రదించాల్సిన అవసరం ఉన్నప్పుడు
ఇతర వ్యక్తులతో ప్రశ్నలను గమనికలు లేదా చర్చించండి (ఫౌలర్
1988).
సంభావ్య ప్రతికూలత దీనికి అవసరమైన సమయం కావచ్చు
మెయిల్ ద్వారా ప్రశ్నాపత్రాలను నిర్వహించండి. సాధారణంగా, ప్రశ్నాపత్రం దూరంగా ఉంటుంది
మెయిల్ ఈ క్రమంలో నిర్వహించబడుతుంది: లేఖలు పంపండి, వేచి ఉండండి
ప్రతిస్పందనలు మరియు నిర్ధారణను పంపండి (ఫౌలర్ 1988, బైన్‌బ్రిడ్జ్ 1989).
అందువల్ల, మొత్తం సమయం అవసరమైన సమయం కంటే ఎక్కువగా ఉండవచ్చు
వ్యక్తిగత ఇంటర్వ్యూలు లేదా టెలిఫోన్ ఇంటర్వ్యూల కోసం. అయితే, ది
మొత్తం సమయం ముందుగానే తెలుసుకోవచ్చు (ఫౌలర్ 1988,
డెన్స్‌కోంబ్ 1998). ఇంటర్వ్యూలు నిర్వహించడం కోసం గడిపిన సమయం
నుండి మారుతూ ఉన్నందున వ్యక్తిగత డేటాను ముందుగానే తెలుసుకోవడం సాధ్యం కాదు
ఒక ఇంటర్వ్యూ మరొకరికి (ఫౌలర్ 1988). టెలిఫోన్ ఇంటర్వ్యూలు
పోస్టల్ ప్రశ్నాపత్రాల కంటే వేగంగా ఉంటుంది మరియు
వ్యక్తిగత ఇంటర్వ్యూలు కానీ తప్పిపోయినవి ఎక్కువగా ఉండవచ్చు
కొంతమంది వ్యక్తులు అందుబాటులో లేకపోవడం వల్ల ప్రతిస్పందన (ఫౌలర్ 1988).
అదనంగా, టెలిఫోన్ ఇంటర్వ్యూలు సాధారణంగా జాబితాలకు పరిమితం చేయబడతాయి
సాపేక్షంగా చిన్న ప్రశ్నలు (బైన్‌బ్రిడ్జ్ 1989).
మెయిల్ ప్రశ్నాపత్రం యొక్క మరొక బలహీనత అధిక రేటు
ప్రతిస్పందన లేకపోవడం (ఫౌలర్ 1988, బైన్‌బ్రిడ్జ్ 1989, న్యూమాన్
1994). అయినప్పటికీ, సహకరిస్తూ ప్రతిఘటనలు తీసుకున్నారు
డేటా రంగంలో విశ్వసనీయమైన సంస్థతో ఈ అధ్యయనం
గిడ్డంగి (అంటే TDWI) (బైన్‌బ్రిడ్జ్ 1989, న్యూమాన్ 1994), ది
ఇది ప్రతిస్పందించని వారికి రెండు రిమైండర్ లేఖలను పంపుతుంది
(ఫౌలర్ 1988, న్యూమాన్ 1994) మరియు ఒక లేఖ కూడా ఉంది
అధ్యయనం యొక్క ఉద్దేశ్యాన్ని వివరించే అనుబంధం (న్యూమాన్ 1994).
3.4.2 విశ్లేషణ యూనిట్
గురించి సమాచారాన్ని పొందడం ఈ అధ్యయనం యొక్క ఉద్దేశ్యం
డేటా వేర్‌హౌసింగ్ అమలు మరియు దాని ఉపయోగం
ఆస్ట్రేలియన్ సంస్థలలో. లక్ష్యం జనాభా
కలిగి ఉన్న అన్ని ఆస్ట్రేలియన్ సంస్థలతో రూపొందించబడింది
అమలు, లేదా అమలు చేస్తున్నారు, i డేటా గిడ్డంగి. లో
వ్యక్తిగత సంస్థలు అప్పుడు నమోదు చేయబడతాయి. ప్రశ్నాపత్రం
ఇది దత్తత తీసుకోవడానికి ఆసక్తి ఉన్న సంస్థలకు పోస్ట్ ద్వారా పంపబడింది
di డేటా గిడ్డంగి. ఈ పద్ధతి సమాచారాన్ని నిర్ధారిస్తుంది
ప్రతి సంస్థ యొక్క అత్యంత అనుకూలమైన వనరుల నుండి సేకరించబడినవి
పాల్గొనేవాడు.
3.4.3 సర్వే నమూనా
సర్వేలో పాల్గొనేవారి "మెయిలింగ్ జాబితా" నుండి పొందబడింది
TDWI. ఈ జాబితా నుండి, 3000 ఆస్ట్రేలియన్ సంస్థలు
నమూనా కోసం ఆధారంగా ఎంపిక చేయబడ్డాయి. ఎ
అదనపు లేఖ పరిశోధన యొక్క ప్రాజెక్ట్ మరియు ఉద్దేశ్యాన్ని వివరించింది,
జవాబు పత్రం మరియు ప్రీ-పెయిడ్ ఎన్వలప్‌తో పాటు
పూర్తి ప్రశ్నాపత్రాన్ని తిరిగి పంపండి నమూనాకు పంపబడింది.
3000 సంస్థలలో 198 సంస్థలు ఇందులో పాల్గొనేందుకు అంగీకరించాయి
చదువు. ఇంత తక్కువ సంఖ్యలో స్పందనలు వస్తాయని ఊహించారు తేదీ il
పెద్ద సంఖ్యలో ఆస్ట్రేలియన్ సంస్థలు అప్పుడు కలిగి ఉన్నాయి
తేదీ వ్యూహాన్ని స్వీకరించారు లేదా స్వీకరించారు
వారి సంస్థలలో గిడ్డంగులు. కాబట్టి, ది
ఈ అధ్యయనం కోసం లక్ష్య జనాభా 198 మాత్రమే
సంస్థలు.
3.4.4 ప్రశ్నాపత్రంలోని విషయాలు
ప్రశ్నాపత్రం యొక్క నిర్మాణం తేదీ నమూనాపై ఆధారపడి ఉంటుంది
మోనాష్ గిడ్డంగి (పార్ట్ 2.3లో గతంలో చర్చించబడింది). ది
ప్రశ్నాపత్రం యొక్క కంటెంట్ విశ్లేషణ ఆధారంగా రూపొందించబడింది
అధ్యాయం 2లో అందించబడిన సాహిత్యం. ప్రశ్నాపత్రం యొక్క కాపీ
సర్వేలో పాల్గొనేవారిని కనుగొనవచ్చు
అనుబంధం B. ప్రశ్నాపత్రం ఆరు విభాగాలను కలిగి ఉంటుంది
చర్చించిన నమూనా యొక్క దశలు అనుసరిస్తాయి. క్రింది ఆరు పేరాలు
వారు ప్రతి విభాగంలోని విషయాలను క్లుప్తంగా సంగ్రహిస్తారు.
విభాగం A: సంస్థ గురించి ప్రాథమిక సమాచారం
ఈ విభాగంలో ప్రొఫైల్‌కు సంబంధించిన ప్రశ్నలు ఉంటాయి
పాల్గొనే సంస్థలు. అదనంగా, కొన్ని ప్రశ్నలు
డేటా వేర్‌హౌసింగ్ ప్రాజెక్ట్ పరిస్థితికి సంబంధించినది
పాల్గొనేవాడు. మీ పేరు వంటి రహస్య సమాచారం
సంస్థ యొక్క సర్వే విశ్లేషణలో వెల్లడి కాలేదు.
విభాగం B: ప్రారంభం
ఈ విభాగంలోని ప్రశ్నలు ప్రారంభ కార్యాచరణకు సంబంధించినవి
డేటా గిడ్డంగి. ఎంతసేపు అనే ప్రశ్నలు అడిగారు
ప్రాజెక్ట్ ప్రారంభకులు, హామీదారులు, నైపుణ్యాలు మరియు జ్ఞానానికి సంబంధించినది
అభ్యర్థనలు, డేటా వేర్‌హౌసింగ్ అభివృద్ధి యొక్క లక్ష్యాలు మరియు
తుది వినియోగదారుల అంచనాలు.
విభాగం సి: డిజైన్
ఈ విభాగంలో కార్యకలాపాలకు సంబంధించిన ప్రశ్నలు ఉంటాయి
యొక్క ప్రణాళిక డేటా గిడ్డంగి. ముఖ్యంగా ప్రశ్నలు
అమలు పరిధి, ప్రాజెక్ట్ వ్యవధి, ఖర్చు గురించి తెలియజేయండి
ప్రాజెక్ట్ మరియు ఖర్చు/ప్రయోజన విశ్లేషణ.
విభాగం D: అభివృద్ధి
డెవలప్‌మెంట్ విభాగంలో కార్యకలాపాలకు సంబంధించిన ప్రశ్నలు ఉంటాయి
యొక్క అభివృద్ధి డేటా గిడ్డంగి: వినియోగదారు అవసరాల సేకరణ
చివరిగా, మూలాలు డటి, యొక్క తార్కిక నమూనా డటి, నమూనాలు, ది
సామర్థ్యం ప్రణాళిక, సాంకేతిక నిర్మాణాలు మరియు ఎంపిక
డేటా గిడ్డంగి అభివృద్ధి సాధనాలు.
విభాగం E: ఆపరేషన్
ఆపరేషన్ ఎడిషన్‌కు సంబంధించిన ఆపరేషన్ ప్రశ్నలు
యొక్క విస్తరణకు డేటా గిడ్డంగి, ఇది ఎలా అభివృద్ధి చెందుతుంది
అభివృద్ధి యొక్క తదుపరి దశ. అక్కడ డేటా నాణ్యత, యొక్క వ్యూహాలు
డీఐని రిఫ్రెష్ చేయండి డటి, యొక్క గ్రాన్యులారిటీ డటి, డేటా స్కేలబిలిటీ
గిడ్డంగి మరియు భద్రతా సమస్యలు డేటా గిడ్డంగి అవి మధ్య ఉండేవి
అడిగే ప్రశ్నల రకాలు.
విభాగం F: అభివృద్ధి
ఈ విభాగంలో డేటా వినియోగానికి సంబంధించిన ప్రశ్నలు ఉంటాయి
తుది వినియోగదారుల ద్వారా గిడ్డంగి. పరిశోధకుడికి ఆసక్తి కలిగింది
ప్రయోజనం మరియు ప్రయోజనం కోసం డేటా గిడ్డంగి, సమీక్ష మరియు వ్యూహాలు
స్వీకరించబడిన శిక్షణ మరియు డేటా నియంత్రణ వ్యూహం
గిడ్డంగిని స్వీకరించారు.
3.4.5 ప్రతిస్పందన రేటు
మెయిల్ సర్వేలు ఒక రేటును కలిగి ఉన్నాయని విమర్శించినప్పటికీ
తక్కువ స్పందన, పెంచేందుకు చర్యలు తీసుకున్నారు
రాబడి రేటు (గతంలో భాగంగా చర్చించినట్లు
3.4.1). 'స్పందన రేటు' అనే పదం శాతాన్ని సూచిస్తుంది
నిర్దిష్ట సర్వే నమూనాలోని వ్యక్తులు ప్రతిస్పందిస్తున్నారు
ప్రశ్నాపత్రం (డెన్స్‌కాంబ్ 1998). కిందిది ఉపయోగించబడింది
ఈ అధ్యయనం కోసం ప్రతిస్పందన రేటును లెక్కించడానికి సూత్రం:
ప్రతిస్పందించిన వ్యక్తుల సంఖ్య
ప్రతిస్పందన రేటు =
—————————————————————————– X 100
పంపిన మొత్తం ప్రశ్నాపత్రాల సంఖ్య
3.4.6 పైలట్ పరీక్ష
ప్రశ్నాపత్రాన్ని నమూనాకు పంపే ముందు, ప్రశ్నలు ఉంటాయి
లక్ సూచించిన విధంగా పైలట్ పరీక్షలను నిర్వహించడం ద్వారా పరిశీలించబడింది
మరియు రూబిన్ (1987), జాక్సన్ (1988), మరియు డి వాస్ (1991). ఉద్దేశ్యం
పైలట్ పరీక్షలు అన్ని ఇబ్బందికరమైన, అస్పష్టమైన మరియు వ్యక్తీకరణలను బహిర్గతం చేస్తాయి
అర్థం చేసుకోవడానికి, ఏదైనా స్పష్టం చేయడానికి కష్టంగా ఉండే ప్రశ్నలు
నిర్వచనాలు మరియు నిబంధనలు ఉపయోగించబడతాయి మరియు సుమారు సమయాన్ని గుర్తించడం
ప్రశ్నాపత్రాన్ని పూర్తి చేయడం అవసరం (వార్విక్ మరియు లైనింగర్ 1975,
జాక్సన్ 1988, సలాంట్ మరియు దిల్మాన్ 1994). పైలట్ పరీక్షలు జరిగాయి
వాటికి సమానమైన లక్షణాలతో విషయాలను ఎంచుకోవడం ద్వారా నిర్వహించబడుతుంది
డేవిస్ ఇ సూచించినట్లుగా చివరి సబ్జెక్టులలో Cosenza (1993). లో
ఈ అధ్యయనంలో ఆరుగురు డేటా వేర్‌హౌసింగ్ నిపుణులు ఉన్నారు
పైలట్ సబ్జెక్ట్‌లుగా ఎంపికయ్యారు. ప్రతి పైలట్ పరీక్ష తర్వాత, అవి
అవసరమైన దిద్దుబాట్లు చేయబడ్డాయి. నిర్వహించిన పైలట్ పరీక్షల నుండి, i
పార్టిసిపెంట్స్‌ని రీసెట్ చేయడానికి మరియు రీసెట్ చేయడానికి సహాయం చేసారు
ప్రశ్నాపత్రం యొక్క చివరి వెర్షన్.
3.4.7 ద్వారా విశ్లేషణ పద్ధతులు డటి
I డటి క్లోజ్డ్ ప్రశ్నాపత్రాల నుండి సేకరించిన పరిశోధన
గణాంక సాఫ్ట్‌వేర్ ప్యాకేజీని ఉపయోగించి విశ్లేషించారు
SPSS అని పిలుస్తారు. చాలా మంది ప్రతిస్పందనలను విశ్లేషించారు
వివరణాత్మక గణాంకాలను ఉపయోగించడం. నిర్దిష్ట సంఖ్యలో ప్రశ్నాపత్రాలు
వారు అసంపూర్ణంగా తిరిగి వచ్చారు. వీటికి ఎక్కువ చికిత్స అందించారు
నేను అని నిర్ధారించుకోవడానికి శ్రద్ధ డటి తప్పిపోయినవి ఒకటి కాదు
డేటా ఎంట్రీ లోపాల యొక్క పర్యవసానంగా, కానీ ఎందుకు ప్రశ్నలు చేయవు
డిక్లరర్‌కు తగినవి, లేదా డిక్లరర్ చేయకూడదని నిర్ణయించుకున్నాడు
ఒకటి లేదా అంతకంటే ఎక్కువ నిర్దిష్ట ప్రశ్నలకు సమాధానం ఇవ్వండి. ఈ సమాధానాలు
విశ్లేషణ సమయంలో తప్పిపోయినవి విస్మరించబడ్డాయి డటి మరియు వారు ఉన్నారు
ప్రక్రియ నుండి వారి మినహాయింపును నిర్ధారించడానికి '- 9'గా కోడ్ చేయబడింది
విశ్లేషిస్తుంది.
ప్రశ్నాపత్రాన్ని తయారు చేయడంలో, ప్రశ్నలు మూసివేయబడ్డాయి
ప్రతి ఎంపికకు ఒక సంఖ్యను కేటాయించడం ద్వారా ప్రీకోడ్ చేయబడింది. సంఖ్య
అప్పుడు అది i సిద్ధం చేయడానికి ఉపయోగించబడింది డటి విశ్లేషణ సమయంలో
(Denscombe 1998, Sapsford మరియు Jupp 1996). ఉదాహరణకు, ఉన్నాయి
విభాగం B యొక్క ప్రశ్న 1లో ఆరు ఎంపికలు జాబితా చేయబడ్డాయి: సలహా
బోర్డు, ఉన్నత స్థాయి ఎగ్జిక్యూటివ్, IT విభాగం, యూనిట్
వ్యాపారం, కన్సల్టెంట్లు మరియు మరిన్ని. యొక్క ఫైల్‌లో డటి SPSS యొక్క, ఉంది
'ది ప్రాజెక్ట్ ఇనిషియేటర్'ని సూచించడానికి వేరియబుల్ రూపొందించబడింది,
ఆరు విలువ లేబుల్‌లతో: 'బోర్డ్ ఆఫ్ డైరెక్టర్స్' కోసం '1', '2'
'హై-లెవల్ ఎగ్జిక్యూటివ్' మరియు మొదలైనవి. లైకెర్టిన్ స్కేల్ యొక్క ఉపయోగం
కొన్ని క్లోజ్డ్ ప్రశ్నలలో అది కూడా అనుమతించబడింది
విలువలను ఉపయోగించినప్పుడు ఎటువంటి ప్రయత్నం అవసరం లేని గుర్తింపు
సంబంధిత సంఖ్యలు SPSSలో నమోదు చేయబడ్డాయి. తో ప్రశ్నల కోసం
సమగ్రం కాని సమాధానాలు, అవి పరస్పరం ప్రత్యేకమైనవి కావు,
ప్రతి ఎంపికను రెండుతో ఒకే వేరియబుల్‌గా పరిగణించారు
విలువ లేబుల్స్: 'మార్క్ చేయబడినవి' కోసం '1' మరియు 'మార్క్ చేయనివి' కోసం '2'.
ఓపెన్-ఎండ్ ప్రశ్నలు ప్రశ్నల కంటే భిన్నంగా పరిగణించబడ్డాయి
మూసివేయబడింది. ఈ ప్రశ్నలకు సమాధానాలు నమోదు చేయబడలేదు
SPSS. బదులుగా, వాటిని చేతితో విశ్లేషించారు. దీని ఉపయోగం
ప్రశ్నల రకం ఆలోచనల గురించి సమాచారాన్ని పొందేందుకు మిమ్మల్ని అనుమతిస్తుంది
స్వేచ్ఛగా వ్యక్తీకరించబడింది మరియు ప్రతివాదుల వ్యక్తిగత అనుభవాలు
(బైన్‌బ్రిడ్జ్ 1989, డెన్స్‌కాంబ్ 1998). సాధ్యమైన చోట, అది జరిగింది
సమాధానాల వర్గీకరణ.
యొక్క విశ్లేషణ కోసం డటి, సాధారణ గణాంక విశ్లేషణ పద్ధతులు ఉపయోగించబడతాయి,
ప్రతిస్పందనల ఫ్రీక్వెన్సీ, సగటు, ప్రామాణిక విచలనం వంటివి
సగటు మరియు మధ్యస్థం (ఆర్గైరస్ 1996, డెన్స్‌కాంబ్ 1998).
పరిమాణాత్మక కొలతలను పొందేందుకు గామా పరీక్ష ప్రభావవంతంగా ఉంది
మధ్య అనుబంధాలు డటి ఆర్డినల్స్ (నోరుసిస్ 1983, ఆర్గైరస్ 1996).
ఉపయోగించిన ఆర్డినల్ స్కేల్స్ లేనందున ఈ పరీక్షలు సముచితమైనవి
అవి అనేక వర్గాలను కలిగి ఉన్నాయి మరియు వాటిని పట్టికలో చూపవచ్చు
(నోరుసిస్ 1983).
3.5 సోమరియో
ఈ అధ్యాయంలో పరిశోధనా పద్దతి మరియు ది
ఈ అధ్యయనం కోసం రూపొందించిన నమూనాలు.
ఒక కోసం అత్యంత సరైన పరిశోధనా పద్ధతిని ఎంచుకోవడం
ప్రత్యేక అధ్యయనం తీసుకుంటుంది
స్వభావం మరియు రకంతో సహా అనేక నియమాల పరిశీలన
పరిశోధన యొక్క, అలాగే ప్రతి సాధ్యం యొక్క మెరిట్‌లు మరియు బలహీనతలు
పద్ధతి (జెంకిన్స్ 1985, బెన్‌బాసట్ మరియు ఇతరులు. 1097, గల్లీర్స్ అండ్ ల్యాండ్ 1987,
యిన్ 1989, హామిల్టన్ మరియు ఇవ్స్ 1992, గల్లియర్స్ 1992, న్యూమాన్ 1994). చూడండి
దాని గురించి ఇప్పటికే ఉన్న జ్ఞానం మరియు సిద్ధాంతం లేకపోవడం
ఆస్ట్రేలియాలో డేటా వేర్‌హౌసింగ్ స్వీకరణ, ఈ అధ్యయనం ద్వారా
పరిశోధనకు నైపుణ్యంతో కూడిన వివరణాత్మక పరిశోధన పద్ధతి అవసరం
సంస్థల అనుభవాలను అన్వేషించడానికి అన్వేషణాత్మకమైనది
ఆస్ట్రేలియన్. ఎంచుకున్న పరిశోధన పద్ధతి ఎంపిక చేయబడింది
తేదీ భావన యొక్క స్వీకరణకు సంబంధించిన సమాచారాన్ని సేకరించండి
ఆస్ట్రేలియన్ సంస్థలచే వేర్-హౌసింగ్. ఎ
పోస్టల్ ప్రశ్నాపత్రం సేకరణ సాంకేతికతగా ఎంపిక చేయబడింది డటి. ది
పరిశోధన పద్ధతి మరియు సేకరణ సాంకేతికత కోసం సమర్థనలు డటి
ఎంపిక చేయబడినవి ఈ అధ్యాయంలో అందించబడతాయి. అది కూడా
విశ్లేషణ యూనిట్, నమూనాపై చర్చను సమర్పించారు
ఉపయోగించిన, ప్రతిస్పందనల శాతం, ప్రశ్నాపత్రం యొక్క కంటెంట్, ది
ప్రశ్నాపత్రం యొక్క ముందస్తు పరీక్ష మరియు విశ్లేషణ పద్ధతి డటి.

రూపకల్పన a డేటా గిడ్డంగి:
ఎంటిటీ రిలేషన్షిప్ మరియు డైమెన్షనల్ మోడలింగ్ కలపడం
నైరూప్య
నిల్వ చేయడం i డటి ఇది చాలా మందికి ప్రధానమైన ప్రస్తుత సమస్య
సంస్థలు. అభివృద్ధిలో కీలక సమస్య
యొక్క నిల్వ డటి అది అతని డిజైన్.
డేటాలోని కాన్సెప్ట్‌లను గుర్తించడానికి డిజైన్ తప్పనిసరిగా మద్దతు ఇస్తుంది
గిడ్డంగి నుండి లెగసీ సిస్టమ్ మరియు ఇతర వనరులు డటి మరియు కూడా ఒకటి
డేటా అమలులో సులభంగా అర్థం చేసుకోవడం మరియు సామర్థ్యం
గిడ్డంగి.
యొక్క చాలా నిల్వ సాహిత్యం డటి సిఫార్సు చేస్తుంది
ఎంటిటీ రిలేషన్షిప్ మోడలింగ్ లేదా డైమెన్షనల్ మోడలింగ్ యొక్క ఉపయోగం
యొక్క రూపకల్పనను సూచిస్తాయి డేటా గిడ్డంగి.
ఈ పేపర్‌లో మనం రెండూ ఎలా ఉంటాయో చూపుతాము
ప్రాతినిధ్యాలను ఒక విధానంలో కలపవచ్చు
యొక్క డ్రాయింగ్ డేటా గిడ్డంగి. ఉపయోగించిన విధానం క్రమబద్ధమైనది
ఒక కేస్ స్టడీలో పరిశీలించబడింది మరియు అనేక వాటిలో గుర్తించబడింది
నిపుణులతో ముఖ్యమైన చిక్కులు.
డేటా వేర్‌హౌసింగ్
Un డేటా గిడ్డంగి సాధారణంగా "విషయ-ఆధారిత,
సమీకృత, సమయ వైవిధ్యం మరియు మద్దతులో డేటా యొక్క అస్థిరత సేకరణ
నిర్వహణ నిర్ణయాలు” (ఇన్మోన్ మరియు హ్యాకథార్న్, 1994).
సబ్జెక్ట్-ఓరియెంటెడ్ మరియు ఇంటిగ్రేటెడ్ అని సూచిస్తుంది డేటా గిడ్డంగి è
లెగసీ సిస్టమ్స్ యొక్క క్రియాత్మక సరిహద్దులను దాటడానికి రూపొందించబడింది
యొక్క సమగ్ర దృక్పథాన్ని అందిస్తాయి డటి.
టైమ్-వేరియంట్ యొక్క చారిత్రక లేదా సమయ శ్రేణి స్వభావాన్ని ప్రభావితం చేస్తుంది డటి in
un డేటా గిడ్డంగి, ఇది ట్రెండ్‌లను విశ్లేషించడానికి వీలు కల్పిస్తుంది.
అస్థిరత లేనిది అని సూచిస్తుంది డేటా గిడ్డంగి అది నిరంతరం కాదు
a గా నవీకరించబడింది డేటాబేస్ OLTP యొక్క. బదులుగా అది నవీకరించబడింది
క్రమానుగతంగా, తో డటి అంతర్గత మరియు బాహ్య మూలాల నుండి వస్తుంది. ది
డేటా గిడ్డంగి ఇది ప్రత్యేకంగా పరిశోధన కోసం రూపొందించబడింది
నవీకరణల సమగ్రత మరియు పనితీరు కోసం కాకుండా
ఆపరేషన్లు.
i నిల్వ చేయాలనే ఆలోచన డటి ఇది కొత్తది కాదు, ఇది ప్రయోజనాల్లో ఒకటి
యొక్క నిర్వహణ డటి అరవైల నుండి (ది మార్టిన్, 1982).
I డేటా గిడ్డంగి వారు మౌలిక సదుపాయాలను అందిస్తారు డటి నిర్వహణ కోసం
మద్దతు వ్యవస్థలు. నిర్వహణ మద్దతు వ్యవస్థలలో నిర్ణయం ఉంటుంది
మద్దతు వ్యవస్థలు (DSS) మరియు కార్యనిర్వాహక సమాచార వ్యవస్థలు (EIS).
DSS అనేది కంప్యూటర్ ఆధారిత సమాచార వ్యవస్థ
ప్రక్రియను మెరుగుపరచడానికి మరియు తత్ఫలితంగా పట్టును మెరుగుపరచడానికి రూపొందించబడింది
మానవ నిర్ణయం. EIS అనేది సాధారణంగా డెలివరీ సిస్టమ్
డటి ఇది వ్యాపార కార్యనిర్వాహకులకు వీక్షణను సులభంగా యాక్సెస్ చేయడానికి వీలు కల్పిస్తుంది
డీ డటి.
సాధారణ నిర్మాణం a డేటా గిడ్డంగి పాత్రను హైలైట్ చేస్తుంది
డేటా గిడ్డంగి నిర్వహణ మద్దతులో. సమర్పణతో పాటు
మౌలిక సదుపాయాలు డటి EIS మరియు DSS కోసం, అల్ డేటా గిడ్డంగి సాధ్యమే
ప్రశ్నల ద్వారా నేరుగా యాక్సెస్ చేయండి. ది డటి తేదీలో చేర్చబడింది
గిడ్డంగి సమాచార అవసరాల విశ్లేషణపై ఆధారపడి ఉంటుంది
నిర్వహణ మరియు మూడు మూలాల నుండి పొందబడ్డాయి: అంతర్గత వారసత్వ వ్యవస్థలు,
ప్రత్యేక ప్రయోజన డేటా క్యాప్చర్ సిస్టమ్‌లు మరియు బాహ్య డేటా మూలాలు. ది
డటి అంతర్గత వారసత్వ వ్యవస్థలలో అవి తరచుగా అనవసరంగా ఉంటాయి,
అస్థిరమైన, తక్కువ నాణ్యత మరియు వివిధ ఫార్మాట్లలో నిల్వ చేయబడుతుంది
కాబట్టి మీరు వాటిని లోడ్ చేయడానికి ముందు వాటిని సమన్వయం చేసి శుభ్రం చేయాలి
డేటా గిడ్డంగి (ఇన్మోన్, 1992; మెక్‌ఫాడెన్, 1996). ది డటి నుండి
నిల్వ వ్యవస్థల నుండి 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,
ఉపయోగం ద్వారా మెరుగైన నిర్ణయం తీసుకోవడాన్ని కలిగి ఉంటుంది
సమర్థవంతమైన మరింత సమాచారం (ఇవ్స్ 1995), ఫోకస్ కోసం మద్దతు
పూర్తి వ్యాపారంపై (గ్రాహం 1996), మరియు ఖర్చుల తగ్గింపు
యొక్క నిబంధన డటి EIS మరియు DSS కోసం (గ్రాహం 1996, మెక్‌ఫాడెన్
1996).
ఇటీవలి అనుభావిక అధ్యయనంలో, సగటున, తిరిగి వచ్చినట్లు కనుగొంది
i కోసం పెట్టుబడులు డేటా గిడ్డంగి మూడు సంవత్సరాల తర్వాత 401% (గ్రాహం,
1996). అయితే, ఇతర అనుభావిక అధ్యయనాలు డేటా గిడ్డంగి కలిగి
edని కొలవడంలో ఇబ్బందితో సహా ముఖ్యమైన సమస్యలను కనుగొన్నారు
ప్రయోజనాలను కేటాయించడం, స్పష్టమైన ప్రయోజనం లేకపోవడం, దానిని తక్కువగా అంచనా వేయడం
నిల్వ ప్రక్రియ యొక్క ప్రయోజనం మరియు సంక్లిష్టత i డటి, లో
ప్రత్యేకించి మూలాలు మరియు శుభ్రత గురించి డటి.
నిల్వ చేయడం i డటి పరిష్కారంగా పరిగణించవచ్చు
నిర్వహణ సమస్యకు డటి సంస్థల మధ్య. అక్కడ
యొక్క తారుమారు డటి సామాజిక వనరుగా ఇది ఒకటిగా మిగిలిపోయింది
అంతటా సమాచార వ్యవస్థల నిర్వహణలో కీలక సమస్యలు
చాలా సంవత్సరాలుగా ప్రపంచం (బ్రాంచెయు మరియు ఇతరులు. 1996, గల్లియర్స్ మరియు ఇతరులు. 1994,
నీడెర్మాన్ మరియు ఇతరులు. 1990, పెర్వాన్ 1993).
నిర్వహణకు ఒక ప్రసిద్ధ విధానం డటి ఎనభైలలో అది
ఒక నమూనాను అభివృద్ధి చేయడం డటి సామాజిక. మోడల్ డటి సామాజికంగా ఉండేది
కొత్త వ్యవస్థల అభివృద్ధికి స్థిరమైన ఆధారాన్ని అందించడానికి రూపొందించబడింది
అప్లికేషన్లు ఇ డేటాబేస్ మరియు వారసత్వాన్ని పునర్నిర్మించడం మరియు సమగ్రపరచడం
వ్యవస్థలు (బ్రాంచెయు మరియు ఇతరులు.
1989, గుడ్‌హ్యూ మరియు ఇతరులు. 1988:1992, కిమ్ మరియు ఎవరెస్ట్ 1994).
అయితే, ఈ విధానంలో చాలా సమస్యలు ఉన్నాయి
ప్రత్యేకంగా, ప్రతి పని యొక్క సంక్లిష్టత మరియు ఖర్చు, మరియు దీర్ఘకాలం
ప్రత్యక్ష ఫలితాలను కలిగి ఉండటం అవసరం (బేనాన్-డేవిస్ 1994, ఎర్ల్
1993, గుడ్‌హ్యూ మరియు ఇతరులు. 1992, పెరియసామి 1994, షాంక్స్ 1997).
Il డేటా గిడ్డంగి ఇది లెగసీ వాటితో కలిసి ఉండే ప్రత్యేక డేటాబేస్
డేటాబేస్‌లను భర్తీ చేయడం కంటే. కాబట్టి ఇది మిమ్మల్ని అనుమతిస్తుంది
నిర్వహణకు దర్శకత్వం వహించండి డటి మరియు ఖరీదైన పునర్నిర్మాణాన్ని నివారించండి
వారసత్వ వ్యవస్థల.
డేటా డిజైన్‌కు ఇప్పటికే ఉన్న విధానాలు
గిడ్డంగి
నిర్మాణం మరియు పరిపూర్ణత ప్రక్రియ a డేటా గిడ్డంగి
a కంటే పరిణామ ప్రక్రియగా అర్థం చేసుకోవాలి
సాంప్రదాయ వ్యవస్థల అభివృద్ధి జీవితచక్రం (దేశియో, 1995, షాంక్స్,
ఓ'డొన్నెల్ మరియు ఆర్నాట్ 1997a ). a లో అనేక ప్రక్రియలు ఉన్నాయి
యొక్క ప్రాజెక్ట్ డేటా గిడ్డంగి ప్రారంభించడం, ప్రణాళిక వంటివి;
కంపెనీ నిర్వాహకులు అడిగిన అవసరాల నుండి పొందిన సమాచారం;
మూలాలు, రూపాంతరాలు, శుభ్రపరచడం డటి మరియు వారసత్వం నుండి సమకాలీకరణ
వ్యవస్థలు మరియు ఇతర వనరులు డటి; అభివృద్ధిలో డెలివరీ వ్యవస్థలు;
యొక్క పర్యవేక్షణ డేటా గిడ్డంగి; మరియు ప్రక్రియ యొక్క తెలివితక్కువతనం
పరిణామ మరియు నిర్మాణం a డేటా గిడ్డంగి (స్టించ్స్, ఓ'డొన్నెల్
మరియు ఆర్నాట్ 1997b). ఈ జర్నల్‌లో, మేము ఎలా అనేదానిపై దృష్టి పెడతాము
డ్రా i డటి ఈ ఇతర ప్రక్రియల సందర్భంలో నిల్వ చేయబడుతుంది.
డేటా ఆర్కిటెక్చర్ కోసం అనేక విధానాలు ప్రతిపాదించబడ్డాయి
సాహిత్యంలో గిడ్డంగి (ఇన్మోన్ 1994, ఇవ్స్ 1995, కింబాల్ 1994
మెక్‌ఫాడెన్ 1996). ఈ పద్ధతుల్లో ప్రతిదానికి క్లుప్తంగా ఉంటుంది
వారి బలాలు మరియు బలహీనతల విశ్లేషణతో సమీక్షించండి.
ఇన్మోన్స్ (1994) అప్రోచ్ డేటా గిడ్డంగి
రూపకల్పన
ఇన్మోన్ (1994) డేటాను గీయడానికి నాలుగు పునరావృత దశలను ప్రతిపాదించింది
గిడ్డంగి (చిత్రం 2 చూడండి). మొదటి దశ టెంప్లేట్ రూపకల్పన
డటి నేను ఎలా అర్థం చేసుకోవడానికి సామాజిక డటి విలీనం చేయవచ్చు
సంస్థలోని క్రియాత్మక ప్రాంతాలలో
విభజించడం i డటి ప్రాంతాల్లో నిల్వ. మోడల్ డటి దాని కోసం తయారు చేయబడింది
దాచిపెట్టటం డటి నిర్ణయం తీసుకోవడంతో సహా డటి
చరిత్రకారులు, మరియు చేర్చారు డటి తగ్గించబడింది మరియు సమగ్రపరచబడింది. రెండవ దశ
అమలు కోసం సబ్జెక్ట్ ప్రాంతాలను గుర్తించండి. ఇవి ఆధారంగా ఉంటాయి
నిర్దిష్ట సంస్థచే నిర్ణయించబడిన ప్రాధాన్యతలపై. మూడవది
దశ డ్రాయింగ్‌ను కలిగి ఉంటుంది డేటాబేస్ విషయం ప్రాంతం కోసం, భంగిమలు
గ్రాన్యులారిటీ యొక్క తగిన స్థాయిలను చేర్చడానికి ప్రత్యేక శ్రద్ధ వహించండి.
ఇన్‌మోన్ ఎంటిటీలు మరియు రిలేషన్‌షిప్ మోడల్‌ని ఉపయోగించమని సిఫార్సు చేస్తోంది. నాల్గవది
మూల వ్యవస్థలను గుర్తించడం దశ డటి అవసరం మరియు అభివృద్ధి
క్యాప్చర్ చేయడానికి, క్లీన్ చేయడానికి మరియు ఫార్మాట్ చేయడానికి పరివర్తన ప్రక్రియలు i డటి.
ఇన్మోన్ యొక్క విధానం యొక్క బలాలు మోడల్ డటి సామాజిక
యొక్క ఏకీకరణకు ఆధారాన్ని అందిస్తుంది డటి సంస్థ లోపల
మరియు పునరుక్తి డేటా అభివృద్ధికి మద్దతు ప్రణాళిక
గిడ్డంగి. దాని లోపాలు డ్రాయింగ్ యొక్క కష్టం మరియు ఖర్చు
ఇల్ మోడల్లో డటి సామాజిక, ఎంటిటీల నమూనాలను అర్థం చేసుకోవడంలో ఇబ్బంది మరియు
రెండు నమూనాలలో ఉపయోగించే సంబంధాలు, అది డటి సామాజిక మరియు అది డటి
విషయం ప్రాంతం మరియు సముచితత ద్వారా నిల్వ చేయబడుతుంది డటి యొక్క
యొక్క డ్రాయింగ్ డేటా గిడ్డంగి యొక్క సాక్షాత్కారం కోసం డేటాబేస్
సంబంధిత కానీ కోసం కాదు డేటాబేస్ బహు డైమెన్షనల్.
ఇవ్స్' (1995) అప్రోచ్ డేటా గిడ్డంగి
రూపకల్పన
ఐవ్స్ (1995) రూపకల్పనకు నాలుగు-దశల విధానాన్ని ప్రతిపాదించారు a
అతను డేటా రూపకల్పనకు వర్తించే సమాచార వ్యవస్థ
గిడ్డంగి (మూర్తి 3 చూడండి). విధానం చాలా ఆధారపడి ఉంటుంది
సమాచార వ్యవస్థల అభివృద్ధికి ఇన్ఫర్మేషన్ ఇంజనీరింగ్
(మార్టిన్ 1990). లక్ష్యాలను, కారకాలను నిర్ణయించడం మొదటి దశ
క్లిష్టమైన మరియు విజయవంతమైన మరియు కీలక పనితీరు సూచికలు. ది
కీలకమైన వ్యాపార ప్రక్రియలు మరియు అవసరమైన సమాచారం
మనల్ని ఒక మోడల్‌కి నడిపించేలా రూపొందించబడింది డటి సామాజిక. రెండవ దశ
నిర్వచించే వాస్తుశిల్పం యొక్క అభివృద్ధిని కలిగి ఉంటుంది డటి
ప్రాంతాల వారీగా నిల్వ చేయబడుతుంది, డేటాబేస్ di డేటా గిడ్డంగి, భాగాలు
అవసరమైన సాంకేతికత, సంస్థాగత మద్దతు సమితి
అమలు చేయడానికి మరియు ఆపరేట్ చేయడానికి అవసరం డేటా గిడ్డంగి. మూడవది
అవసరమైన సాఫ్ట్‌వేర్ ప్యాకేజీలు మరియు సాధనాలను ఎంచుకోవడంలో దశ ఉంటుంది.
నాల్గవ దశ వివరణాత్మక రూపకల్పన మరియు నిర్మాణం
డేటా గిడ్డంగి. ఐవ్స్ నిల్వ చేస్తుందని పేర్కొంది డటి he is a bonded man
పునరావృత ప్రక్రియ.
ఐవ్స్ విధానం యొక్క బలం నిర్దిష్ట పద్ధతులను ఉపయోగించడం
సమాచార అవసరాలను నిర్ణయించడం, నిర్మాణాత్మక ఉపయోగం
యొక్క ఏకీకరణకు మద్దతు ఇచ్చే ప్రక్రియ డేటా గిడ్డంగి,
తగిన హార్డ్‌వేర్ మరియు సాఫ్ట్‌వేర్ ఎంపిక మరియు బహుళ వినియోగం
కోసం ప్రాతినిధ్య పద్ధతులు డేటా గిడ్డంగి. అతని లోపాలు
అవి సంక్లిష్టతలో అంతర్లీనంగా ఉంటాయి. ఇతరులు ఇబ్బందిని కలిగి ఉంటారు
అనేక స్థాయిలను అభివృద్ధి చేయండి డేటాబేస్ లోపల డేటా గిడ్డంగి in
సహేతుకమైన సమయాలు మరియు ఖర్చులు.
కింబాల్ (1994) అప్రోచ్ డేటా గిడ్డంగి
రూపకల్పన
కింబాల్ (1994) డేటాను గీయడానికి ఐదు పునరావృత దశలను ప్రతిపాదించింది
గిడ్డంగి (మూర్తి 4 చూడండి). అతని విధానం ప్రత్యేకంగా ఉంటుంది
కేవలం ఒక రూపకల్పనకు అంకితం చేయబడింది డేటా గిడ్డంగి మరియు నమూనాల ఉపయోగంపై
ఎంటిటీలు మరియు సంబంధాల నమూనాలకు ప్రాధాన్యతలో డైమెన్షనల్. కింబాల్
ఆ డైమెన్షనల్ మోడల్‌లను విశ్లేషించండి ఎందుకంటే నేను అర్థం చేసుకోవడం సులభం
వ్యాపార కార్యనిర్వాహకుల ఒప్పందాలు, వ్యవహరించేటప్పుడు ఇది మరింత సమర్థవంతంగా ఉంటుంది
సంక్లిష్ట సంప్రదింపులు మరియు రూపకల్పన డేటాబేస్ భౌతికమైనది ఎక్కువ
సమర్థవంతమైన (కింబాల్ 1994). కింబాల్ ఒక అభివృద్ధిని గుర్తిస్తుంది
డేటా గిడ్డంగి అది పునరావృతం, మరియు అది డేటా గిడ్డంగి వారు చెయ్యగలరు వేరు
డైమెన్షన్ టేబుల్‌లుగా విభజన ద్వారా ఏకీకృతం చేయబడుతుంది
సాధారణ.
మొదటి దశ నిర్దిష్ట సబ్జెక్ట్ ఏరియాను గుర్తించడం
పరిపూర్ణమైంది. రెండవ మరియు మూడవ దశలు ఆకృతికి సంబంధించినవి
డైమెన్షనల్. రెండవ దశలో కొలతలు విషయాలను గుర్తిస్తాయి
సబ్జెక్ట్ ప్రాంతంలో ఆసక్తి మరియు వాస్తవ పట్టికలో సమూహం చేయబడింది.
ఉదాహరణకు, సేల్స్ సబ్జెక్ట్ ప్రాంతంలో ఆసక్తి యొక్క కొలతలు
విక్రయించిన వస్తువుల మొత్తం మరియు డాలర్‌ను చేర్చవచ్చు
విక్రయ కరెన్సీగా. మూడవ దశలో గుర్తించడం ఉంటుంది
కొలతలు అవి సమూహపరచబడే మార్గాలు i
వాస్తవాలు. సేల్స్ సబ్జెక్ట్ ఏరియాలో, సంబంధిత కొలతలు
అంశం, స్థానం మరియు సమయ వ్యవధిని చేర్చవచ్చు. అక్కడ
వాస్తవం పట్టిక ప్రతిదానికి లింక్ చేయడానికి బహుళ-భాగాల కీని కలిగి ఉంది
పరిమాణం పట్టికలు మరియు సాధారణంగా చాలా సంఖ్యను కలిగి ఉంటాయి
వాస్తవాలతో నిండి ఉంది. దీనికి విరుద్ధంగా, పరిమాణం పట్టికలు కలిగి ఉంటాయి
కొలతలు మరియు ఇతర లక్షణాల గురించి వివరణాత్మక సమాచారం
వాస్తవాలను సమూహపరచడానికి ఉపయోగించవచ్చు. వాస్తవ పట్టిక ఇ
ప్రతిపాదన రూపంతో అనుబంధించబడిన కొలతలు ఒకటిగా పిలువబడతాయి
దాని ఆకారం కారణంగా నక్షత్ర నమూనా. నాల్గవ దశ ఉంటుంది
ఒక నిర్మాణం డేటాబేస్ దానిని పరిపూర్ణం చేయడానికి బహుమితీయ
నక్షత్ర నమూనా. చివరి దశ మూల వ్యవస్థలను గుర్తించడం డటి
పరివర్తన ప్రక్రియలను పొందడం, శుభ్రపరచడం అవసరం మరియు అభివృద్ధి చేయడం
మరియు ఫార్మాట్ i డటి.
కింబాల్ యొక్క విధానం యొక్క బలాలు మోడల్‌లను ఉపయోగించడం
నేను ప్రాతినిధ్యం వహించడానికి డైమెన్షనల్ డటి దానిని తయారు చేసే నిల్వ
అర్థం చేసుకోవడం సులభం మరియు సమర్థవంతమైన భౌతిక రూపకల్పనకు దారితీస్తుంది. ఎ
డైమెన్షనల్ మోడల్, ఇది రెండింటినీ కూడా సులభంగా ఉపయోగిస్తుంది
యొక్క వ్యవస్థలు డేటాబేస్ రిలేషనల్ పరిపూర్ణం కావచ్చు లేదా వ్యవస్థలు కావచ్చు
డేటాబేస్ బహుమితీయ. దాని లోపాలు లేకపోవడం
ప్రణాళిక లేదా ఏకీకరణను సులభతరం చేయడానికి కొన్ని సాంకేతికతలు
ఒకదానిలో అనేక నక్షత్రాల నమూనాలు డేటా గిడ్డంగి మరియు
a లో విపరీతమైన డీనార్మలైజ్డ్ స్ట్రక్చర్ నుండి డిజైన్ చేయడంలో ఇబ్బంది
డైమెన్షనల్ మోడల్ a డటి వారసత్వ వ్యవస్థలో.
మెక్‌ఫాడెన్స్ (1996) అప్రోచ్ టు డేటా
గిడ్డంగి డిజైన్
మెక్‌ఫాడెన్ (1996) ఐదు-దశల విధానాన్ని ప్రతిపాదించాడు
డ్రా a డేటా గిడ్డంగి (మూర్తి 5 చూడండి).
అతని విధానం సాహిత్యం నుండి ఆలోచనల సంశ్లేషణపై ఆధారపడి ఉంటుంది
మరియు ఒకదాని రూపకల్పనపై మాత్రమే దృష్టి కేంద్రీకరించబడింది డేటా గిడ్డంగి. మొదటిది
దశ అవసరాల విశ్లేషణను కలిగి ఉంటుంది. ప్రత్యేకతలు ఉన్నప్పటికీ
పద్ధతులు సూచించబడలేదు, మెక్‌ఫాడెన్ నోట్స్ గుర్తించాయి
అస్తిత్వం డటి స్పెసిఫికేషన్‌లు మరియు వాటి గుణాలు, మరియు వాట్సన్ రీడర్‌లను సూచిస్తుంది
మరియు Frolick (1993) అవసరాలు క్యాప్చర్ కోసం.
రెండవ దశలో, ఎంటిటీ సంబంధాల నమూనా రూపొందించబడింది
డేటా గిడ్డంగి ఆపై వ్యాపార నాయకులు ధృవీకరించారు. మూడవది
లెగసీ సిస్టమ్ నుండి మ్యాపింగ్‌ను నిర్ణయించడం దశ
మరియు బాహ్య మూలాలు డేటా గిడ్డంగి. నాల్గవ దశ ఉంటుంది
యొక్క అభివృద్ధి, విస్తరణ మరియు సమకాలీకరణలో ప్రక్రియలు డటి నెల్
డేటా గిడ్డంగి. చివరి దశలో, సిస్టమ్ పంపిణీ చేయబడుతుంది
వినియోగదారు ఇంటర్‌ఫేస్‌పై ప్రత్యేక ప్రాధాన్యతతో అభివృద్ధి చేయబడింది.
డ్రాయింగ్ ప్రక్రియ సాధారణంగా ఉంటుందని మెక్‌ఫాడెన్ పేర్కొన్నాడు
పునరావృతం.
మెక్‌ఫాడెన్ యొక్క విధానం యొక్క బలాలు పాల్గొనడాన్ని సూచిస్తాయి
అవసరాలను నిర్ణయించడంలో వ్యాపార నాయకులు మరియు కూడా
వనరుల ప్రాముఖ్యత డటి, వారి శుభ్రపరచడం మరియు సేకరణ. ఆమె
లోపాలను విభజించే ప్రక్రియ లేకపోవడం ఆందోళన కలిగిస్తుంది a
ద్వారా గొప్ప ప్రాజెక్ట్ డేటా గిడ్డంగి అనేక సమీకృత దశల్లో, మరియు
రూపకల్పనలో ఉపయోగించే ఎంటిటీ మరియు సంబంధాల నమూనాలను అర్థం చేసుకోవడంలో ఇబ్బంది
డేటా గిడ్డంగి.

అడ్మిన్ సియిఒ

👍ఆన్‌లైన్ వెబ్ ఏజెన్సీ | డిజిటల్ మార్కెటింగ్ మరియు SEO లో వెబ్ ఏజెన్సీ నిపుణుడు. వెబ్ ఏజెన్సీ ఆన్‌లైన్ అనేది వెబ్ ఏజెన్సీ. డిజిటల్ పరివర్తనలో Agenzia వెబ్ ఆన్‌లైన్ విజయం ఐరన్ SEO వెర్షన్ 3 యొక్క పునాదులపై ఆధారపడి ఉంటుంది. ప్రత్యేకతలు: సిస్టమ్ ఇంటిగ్రేషన్, ఎంటర్‌ప్రైజ్ అప్లికేషన్ ఇంటిగ్రేషన్, సర్వీస్ ఓరియెంటెడ్ ఆర్కిటెక్చర్, క్లౌడ్ కంప్యూటింగ్, డేటా వేర్‌హౌస్, బిజినెస్ ఇంటెలిజెన్స్, బిగ్ డేటా, పోర్టల్‌లు, ఇంట్రానెట్‌లు, వెబ్ అప్లికేషన్ రిలేషనల్ మరియు మల్టీడైమెన్షనల్ డేటాబేస్‌ల రూపకల్పన మరియు నిర్వహణ డిజిటల్ మీడియా కోసం ఇంటర్‌ఫేస్‌ల రూపకల్పన: వినియోగం మరియు గ్రాఫిక్స్. ఆన్‌లైన్ వెబ్ ఏజెన్సీ కంపెనీలకు కింది సేవలను అందిస్తుంది: -Google, Amazon, Bing, Yandexలో SEO; -వెబ్ అనలిటిక్స్: Google Analytics, Google Tag Manager, Yandex Metrica; -యూజర్ మార్పిడులు: Google Analytics, Microsoft క్లారిటీ, Yandex Metrica; Google, Bing, Amazon ప్రకటనలలో -SEM; -సోషల్ మీడియా మార్కెటింగ్ (Facebook, Linkedin, Youtube, Instagram).

పూర్తి బయోని చూడండి

డిజిటల్ మార్కెటింగ్ డేటాబేస్ DBMS డేటా గిడ్డంగి డేటా సైన్స్ ఆన్లైన్ వాణిజ్య ప్రకటన ఇన్ఫర్మేషన్ టెక్నాలజీ వెబ్ ఏజెన్సీ ప్రకటనల ఏజెన్సీ మార్కెటింగ్