דאַטאַ וואַרעהאָוסינג און פאַרנעמונג ריסאָרס פּלאַנירונג | DWH און ERP

אַרקייוו DATA צענטראל : געשיכטע עד עוואָלוציע

די צוויי דאָמינאַנט טעמעס פון פֿירמע טעכנאָלאָגיע אין די 90 ס זענען איך data warehouse און ERP. פֿאַר אַ לאַנג צייַט די צוויי שטאַרק סטרימז האָבן שוין פּאַרץ פון פֿירמע IT אָן טאָמיד אַ ינטערסעקשאַן. עס איז געווען כּמעט ווי אויב זיי זענען מאַטעריע און אַנטי-מאַטעריע. אבער דער וווּקס פון ביידע דערשיינונגען האט ינעוואַטאַבלי געפירט צו זייער ינטערסעקשאַן. הייַנט קאָמפּאַניעס זענען פייסינג די פּראָבלעם פון וואָס צו טאָן מיט ERP און data warehouse. דער אַרטיקל וועט דערקלערן וואָס די פראבלעמען זענען און ווי זיי זענען גערעדט דורך קאָמפּאַניעס.

אין די אָנהייב ...

אין די אָנהייב עס איז געווען די data warehouse. דאַטן ווערכאַוס איז באשאפן צו אַנטקעגנשטעלנ די אַפּלאַקיישאַן סיסטעם פֿאַר טראַנסאַקטיאָן פּראַסעסינג. אין דער פרי טעג מעמאָריזאַטיאָן פון דאַטע עס איז געווען מענט צו זיין נאָר אַ קאַונטערפּוינט צו טראַנסאַקטיאָן פּראַסעסינג אַפּלאַקיישאַנז. אבער היינט-צו-טאג זענען דא פיל מער סאפיסטיקירטע וויזיעס פון וואס א data warehouse. אין הייַנט ס וועלט די data warehouse עס איז ינסערטאַד אין אַ סטרוקטור וואָס קענען זיין גערופן די קאָרפּאָראַטע אינפֿאָרמאַציע פאַקטאָרי.

די קאָרפּאָראַציע אינפֿאָרמאַציע פאַבריק (CIF)

די פֿירמע אינפֿאָרמאַציע פאַקטאָרי האט נאָרמאַל אַרקאַטעקטשעראַל קאַמפּאָונאַנץ: אַ קאָד ינאַגריישאַן און טראַנספאָרמאַציע שיכטע וואָס ינטאַגרייץ איך דאַטע בשעת איך דאַטע זיי מאַך פון די אַפּלאַקיישאַן סוויווע צו די סוויווע פון ​​די data warehouse פון די פירמע; א data warehouse פון די פירמע ווו די דאַטע דיטיילד און ינאַגרייטיד היסטאָריקער. די data warehouse פון די פאַרנעמונג דינט ווי דער יסוד אויף וואָס אַלע אנדערע טיילן פון דער סוויווע קענען זיין געבויט data warehouse; אַן אַפּעריישאַנאַל דאַטן קראָם (ODS). אַן ODS איז אַ כייבריד סטרוקטור וואָס כּולל עטלעכע אַספּעקץ פון די data warehouse און אנדערע אַספּעקץ פון אַן OLTP סוויווע; דאַטן מאַרץ, ווו פאַרשידענע דיפּאַרטמאַנץ קענען האָבן זייער אייגענע ווערסיע פון ​​די data warehouse; אַ data warehouse פון עקספּלעריישאַן אין וואָס די פירמע "פילאָסאָפערס" קענען פאָרלייגן זייער פֿראגן פֿאַר 72 שעה אָן שעדלעך ווירקונג אויף די data warehouse; און אַ נאָענט שורה זכּרון, אין וואָס דאַטע אַלט און דאַטע פאַרנעם דעטאַילס קענען זיין סטאָרד אויף די ביליק.

ווו ערפּ דזשאָינס מיט LA פֿירמע אינפֿאָרמאַציע פאַבריק

די ERP מערדזשיז מיט די פֿירמע אינפֿאָרמאַציע פאַקטאָרי אין צוויי ערטער. בפֿרט ווי אַ באַסעלינע אַפּלאַקיישאַן וואָס גיט י דאַטע פון די אַפּלאַקיישאַן צו data warehouse. אין דעם פאַל איך דאַטע, דזשענערייטאַד ווי אַ ביי-פּראָדוקט פון אַ טראַנסאַקטיאָן פּראָצעס, זענען ינאַגרייטיד און לאָודיד אין די data warehouse פון די פירמע. די צווייטע לינק צווישן ERP און CIF איז די ODS. טאַקע, אין פילע ינווייראַנמאַנץ, ERP איז געניצט ווי אַ קלאַסיש ODS.

אין פאַל ERP איז געניצט ווי די יקערדיק אַפּלאַקיישאַן, דער זעלביקער ERP קענען אויך זיין געוויינט אין די CIF ווי ODS. אין קיין פאַל, אויב ERP איז צו זיין געוויינט אין ביידע ראָלעס, עס מוזן זיין אַ קלאָר דיסטינגקשאַן צווישן די צוויי ענטיטיז. אין אנדערע ווערטער, ווען די ERP שפּילט די ראָלע פון ​​​​אַ האַרץ אַפּלאַקיישאַן און אַ ODS, די צוויי אַרקאַטעקטשעראַל ענטיטיז מוזן זיין אונטערשיידן. אויב אַ איין ERP ימפּלאַמענטיישאַן פרוווט צו דורכפירן ביידע ראָלעס סיימאַלטייניאַסלי, עס וועט ינעוואַטאַבלי זיין פּראָבלעמס אין די פּלאַן און ימפּלאַמענטיישאַן פון די סטרוקטור.

באַזונדער אָדס און יקערדיק אַפּלאַקיישאַנז

עס זענען פילע סיבות וואָס פירן צו די אָפּטייל פון אַרקאַטעקטשעראַל קאַמפּאָונאַנץ. טאָמער די מערסט טעלינג פונט אין סעפּערייטינג די פאַרשידענע קאַמפּאָונאַנץ פון אַן אַרקאַטעקטשער איז אַז יעדער קאָמפּאָנענט פון די אַרקאַטעקטשער האט זיין אייגענע מיינונג. די באַסעלינע אַפּלאַקיישאַן סערוועס אַ אַנדערש ציל ווי די ODS. פּרוּווט אָוווערלאַפּינג

אַ באַסעלינע אַפּלאַקיישאַן מיינונג אויף דער וועלט פון אַן ODS אָדער וויצע ווערסאַ איז נישט אַ שיין וועג צו אַרבעטן.

דעריבער, דער ערשטער פּראָבלעם פון אַן ERP אין די CIF איז צו באַשטעטיקן צי עס איז אַ דיסטינגקשאַן צווישן די באַסעלינע אַפּלאַקיישאַנז און די ODS.

דאַטן מאָדעלס אין די קאָרפּאָראַציע אינפֿאָרמאַציע פאַבריק

צו דערגרייכן קאָוכיזשאַן צווישן די פאַרשידענע קאַמפּאָונאַנץ פון די CIF אַרקאַטעקטשער, עס מוזן זיין אַ מאָדעל פון דאַטע. די מאָדעלס פון דאַטע זיי דינען ווי אַ פֿאַרבינדונג צווישן די פאַרשידן קאַמפּאָונאַנץ פון די אַרקאַטעקטשער אַזאַ ווי די באַסעלינע אַפּלאַקיישאַנז און די ODS. די מאָדעלס פון דאַטע זיי ווערן די "אינטעלעקטואַל וועג מאַפּע" צו באַקומען די רעכט טייַטש פון די פאַרשידענע אַרקאַטעקטשעראַל קאַמפּאָונאַנץ פון די CIF.

גיי האַנט אין האַנט מיט דעם געדאַנק, דער געדאַנק איז אַז עס זאָל זיין איין גרויס און איין מוסטער דאַטע. דאָך עס מוזן זיין אַ מוסטער פון דאַטע פֿאַר יעדער פון די קאַמפּאָונאַנץ און דערצו עס מוזן זיין אַ פיליק וועג קאַנעקטינג די פאַרשידענע מאָדעלס. יעדער קאָמפּאָנענט פון דער אַרקאַטעקטשער - ODS, באַסעלינע אַפּלאַקיישאַנז, data warehouse פון די פירמע, און אַזוי אויף.. – דאַרף זיין אייגענע מאָדעל דאַטע. און אַזוי עס איז צו זיין אַ גענוי דעפֿיניציע פון ​​ווי די מאָדעלס דאַטע זיי פאַרבינדן זיך מיט יעדער אנדערע.

מאַך איך DATA פון ERP אין דאַטן ווערכאַוס

אויב די אָנהייב פון די דאַטע איז אַ באַסעלינע אַפּלאַקיישאַן און / אָדער אַן ODS, ווען די ERP ינסערץ י דאַטע אין data warehouse, דעם ינסערשאַן מוזן נעמען אָרט אין די לאָואַסט מדרגה פון "גראַנולעראַטי". סימפּלי סאַמערייז אָדער געמיינזאַם איך דאַטע ווען זיי קומען אויס פון די ERP באַסעלינע אַפּלאַקיישאַן אָדער ERP ODS איז נישט די רעכט זאַך צו טאָן. די דאַטע פרטים זענען דארף אין די data warehouse צו פאָרעם די יקער פון די DSS פּראָצעס. אַזאַ דאַטע וועט זיין רישייפּט אין פילע וועגן דורך דאַטן מאַרץ און עקספּלעריישאַנז פון data warehouse.

די באַוועגונג פון דאַטע פון די ERP באַסעלינע אַפּלאַקיישאַן סוויווע צו די data warehouse פון די פירמע איז געטאן אין אַ ריזאַנאַבלי רילאַקסט שטייגער. דער מאַך אַקערז בעערעך 24 שעה נאָך די דערהייַנטיקן אָדער שאַפונג אין די ERP. דער פאַקט פון האָבן אַ "פויל" באַוועגונג פון די דאַטע אין data warehouse פון די פירמע אַלאַוז די דאַטע קומען פון די ERP צו "אַוועקלייגן". אַמאָל איך דאַטע זענען סטאָרד אין די באַסעלינע אַפּלאַקיישאַן, איר קענען בעשאָלעם מאַך די דאַטע פון די ERP אין די פאַרנעמונג. נאך א ציל וואס קען דערגרייכט ווערן א דאנק דער "פוילער" באוועגונג פון די דאַטע איז די קלאָר דילימיטיישאַן צווישן אַפּעריישאַנאַל פּראַסעסאַז און DSS. מיט אַ "שנעל" באַוועגונג פון די דאַטע די דיוויידינג שורה צווישן DSS און אַפּעריישאַנאַל בלייבט ווייג.

Il Movimento dei דאַטע פון די ODS פון די ERP צו data warehouse פון די פירמע איז געטאן פּיריאַדיקלי, יוזשאַוואַלי וואכנשריפט אָדער כוידעשלעך. אין דעם פאַל די באַוועגונג פון דאַטע עס איז באזירט אויף די נויט צו "ריין" די אַלט אָנעס דאַטע היסטאָריקער. געוויינטלעך, די ODS כּולל י דאַטע וואָס זענען פיל נייַער ווי די דאַטע היסטאָריקער געפונען אין די data warehouse.

די באַוועגונג פון דאַטע אין data warehouse עס איז כּמעט קיינמאָל געטאן "כאָולסייל" (אין אַ כאָולסיילער שטייגער). נאָכמאַכן אַ טיש פון די ERP סוויווע צו data warehouse עס מאכט נישט זינען. א פיל מער רעאַליסטיש צוגאַנג איז צו מאַך סעלעקטעד וניץ פון דאַטע. נאָר די דאַטע וואָס האָבן געביטן זינט די לעצטע דערהייַנטיקן פון data warehouse זענען די וואָס זאָל זיין אריבערגעפארן אין די data warehouse. איין וועג צו וויסן וואָס דאַטע האָבן געביטן זינט די לעצטע דערהייַנטיקן איז צו קוקן אין די צייט סטאַמפּס פון דאַטע געפֿונען אין די ERP סוויווע. דער דיזיינער סאַלעקץ אַלע ענדערונגען וואָס זענען פארגעקומען זינט די לעצטע דערהייַנטיקן. אן אנדער צוגאַנג איז צו נוצן טוישן כאַפּן טעקניקס דאַטע. מיט די טעקניקס, לאָגס און זשורנאַל טייפּס זענען אַנאַלייזד אין סדר צו באַשליסן וואָס דאַטע מוזן זיין אריבערגעפארן פון די ERP סוויווע צו די פון data warehouse. די טעקניקס זענען בעסטער ווייַל לאָגס און זשורנאַל טייפּס קענען זיין לייענען פֿון ERP טעקעס אָן ווייַטער ימפּאַקטינג אנדערע ERP רעסורסן.

אנדערע קאַמפּלאַקיישאַנז

איינער פון די ERP פּראָבלעמס אין די CIF איז וואָס כאַפּאַנז צו אנדערע אַפּלאַקיישאַן קוואלן אָדער אַי דאַטע פון די ODS זיי האָבן צו ביישטייערן צו data warehouse אָבער זיי זענען נישט טייל פון די ערפּ סוויווע. געגעבן די פארמאכט נאַטור פון ERP, ספּעציעל SAP, טריינג צו ויסשטימען שליסלען פֿון פונדרויסנדיק קוואלן פון דאַטע מיט איך דאַטע וואָס קומען פון די ERP אין דער צייט פון מאָווינג i דאַטע אין data warehouse, עס ס אַ גרויס אַרויסרופן. און וואָס פּונקט זענען די מאַשמאָעס אַז איך דאַטע פון אַפּלאַקיישאַנז אָדער ODS אַרויס די ERP סוויווע וועט זיין ינאַגרייטיד אין די data warehouse? די שאַנסן זענען פאקטיש זייער הויך.

געפֿינען DATA היסטאָריש פֿון ערפּ

אן אנדער פּראָבלעם מיט י דאַטע פון ERP איז אַז דערייווינג פון די נויט צו האָבן דאַטע היסטאָריקער אין דער data warehouse. יוזשאַוואַלי די data warehouse געברויכן דאַטע היסטאָריקער. און ERP טעכנאָלאָגיע יוזשאַוואַלי קען נישט קראָם די דאַטע היסטאָריש, לפּחות ניט צו די מאָס אַז עס איז נייטיק אין די data warehouse. ווען אַ גרויס סומע פון דאַטע געשיכטע הייבט צו לייגן אַרויף אין די ERP סוויווע, אַז סוויווע דאַרף זיין קלינד אַרויף. למשל, רעכן אַ data warehouse זאָל זיין לאָודיד מיט פינף יאר פון דאַטע היסטאָריש בשעת די ERP האלט אַ מאַקסימום פון זעקס חדשים פון די דאַטע. ווי לאַנג ווי די פירמע איז צופֿרידן צו זאַמלען אַ נומער פון דאַטע היסטאָריש ווי צייט פּאַסיז, ​​עס איז קיין פּראָבלעם ניצן די ERP ווי אַ מקור פֿאַר די data warehouse. אָבער ווען די יו data warehouse מוז גײן צוריק אין דער צײט און נעמען געטער דאַטע געשיכטע וואָס איז נישט ביז אַהער געזאמלט און געראטעוועט דורך די ERP, דעמאָלט די ERP סוויווע ווערט באַטלאָניש.

ערפּ און מעטאַדאַטאַ

אן אנדער באַטראַכטונג צו מאַכן וועגן ERP E data warehouse איז דער איינער אויף די מעטאַדאַטאַ יגזיסטינג אין די ערפּ סוויווע. פּונקט ווי מעטאַדאַטאַ פלאָוז פון די ERP סוויווע צו די data warehouse, די מעטאַדאַטאַ מוזן זיין אריבערגעפארן אין די זעלבע וועג. דערצו, די מעטאַדאַטאַ מוזן זיין פארוואנדלען אין די פֿאָרמאַט און סטרוקטור פארלאנגט דורך די ינפראַסטראַקטשער פון די data warehouse. עס איז אַ גרויס חילוק צווישן אַפּעריישאַנאַל מעטאַדאַטאַ און DSS מעטאַדאַטאַ. אַפּעריישאַנאַל מעטאַדאַטאַ איז בפֿרט פֿאַר די דעוועלאָפּער און די

פּראָגראַמיסט. DSS מעטאַדאַטאַ איז בפֿרט פֿאַר די סוף באַניצער. יגזיסטינג מעטאַדאַטאַ אין ERP אַפּלאַקיישאַנז אָדער ODSs דאַרף זיין קאָנווערטעד, און די קאַנווערזשאַן איז ניט שטענדיק גרינג און סטרייטפאָרווערד.

סאָרסינג די ERP דאַטן

אויב די ERP איז געניצט ווי אַ סאַפּלייער פון דאַטע פּער יל data warehouse עס מוזן זיין אַ האַרט צובינד אַז באוועגט איך דאַטע פון די ERP סוויווע צו די סוויווע data warehouse. די צובינד מוזן:

• ▪ זיין גרינג צו נוצן
• ▪ לאָזן צוטריט צו דאַטע פון די ERP
• ▪ קלייַבן זיך די טייַטש פון דאַטע וואָס זענען אריבערגעפארן צו data warehouse
• ▪ וויסן די ERP לימיטיישאַנז וואָס קען פּאַסירן ווען אַקסעסינג די דאַטע פון די ERP:
• ▪ רעפערענטשאַל אָרנטלעכקייַט
• ▪ כייעראַרקאַקאַל באַציונגען
• ▪ ימפּליסאַט לאַדזשיקאַל באַציונגען
• ▪ אַפּלאַקיישאַן קאַנווענשאַן
• ▪ אַלע די סטראַקטשערז פון דאַטע געשטיצט דורך די ERP, און אַזוי אויף ...
• ▪ זיין עפעקטיוו אין אַקסעס דאַטע, דורך צושטעלן:
• ▪ דירעקט באַוועגונג פון דאַטע
• ▪ אַקוואַזישאַן פון טוישן דאַטע
• ▪ שטיצן בייַצייַטיק צוטריט צו דאַטע
• ▪ פֿאַרשטיין דעם פֿאָרמאַט פון דאַטע, און אזוי ווייטער… צובינד מיט SAP די צובינד קענען זיין פון צוויי טייפּס, כאָומגראָון אָדער געשעפט. עטלעכע פון ​​​​די הויפּט געשעפט ינטערפייסיז אַרייַננעמען:

• ▪ סאַס
• ▪ פּרימס סאַלושאַנז
• ▪ ד2ק, און אַזוי אויף ... קייפל ערפּ טעכנאָלאָגיע טרעאַטינג די ERP סוויווע ווי אויב עס איז געווען אַ איין טעכנאָלאָגיע איז אַ גרויס גרייַז. עס זענען פילע ERP טעקנאַלאַדזשיז, יעדער מיט זייַן סטרענגקטס. די מערסט באַוווסט ווענדאָרס אין די מאַרק זענען:

• ▪ SAP
• ▪ אָראַקלע פינאַנסיאַלס
• ▪ PeopleSoft
• ▪ דזשד עדוואַרדס
• ▪ באַן זאַפט SAP איז די גרעסטע און מערסט פולשטענדיק ERP ווייכווארג. SAP אַפּלאַקיישאַנז אַרייַננעמען פילע טייפּס פון אַפּלאַקיישאַנז אין פילע געביטן. SAP האט אַ שעם פֿאַר זייַענדיק:

• ▪ זייער גרויס
• ▪ זייער שווער און טייַער צו ינסטרומענט
• ▪ דאַרף פילע מענטשן און קאָנסולטאַנץ צו ינסטרומענט
• ▪ דאַרף ספּעשאַלייזד מענטשן פֿאַר די ימפּלאַמענטיישאַן
• ▪ דאַרף אַ פּלאַץ פון צייט צו ינסטרומענט אויך SAP האט אַ שעם פֿאַר מעמערייזינג זייַן דאַטע זייער קערפאַלי, מאכן עס שווער פֿאַר עמעצער אַרויס פון די SAP געגנט צו אַקסעס זיי. די שטאַרקייט פון SAP איז אַז עס איז טויגעוודיק פון קאַפּטשערינג און סטאָרינג אַ גרויס סומע פון דאַטע. SAP האָט לעצטנס מודיע זיין כוונה צו פאַרברייטערן זייַן אַפּלאַקיישאַנז צו data warehouse. עס זענען פילע פּראָס און קאָנס צו נוצן SAP ווי אַ פאַרקויפער data warehouse. אַ מייַלע איז אַז SAP איז שוין אינסטאַלירן און רובֿ קאָנסולטאַנץ זענען שוין באַקאַנט מיט SAP.
  די דיסאַדוואַנטידזשיז פון SAP ווי אַ סאַפּלייער פון data warehouse זענען פילע: SAP האט קיין דערפאַרונג אין דער וועלט פון data warehouse אויב SAP איז דער סאַפּלייער פון data warehouse, עס איז נייטיק צו "נעמען אויס" איך דאַטע פון SAP צו data warehouse. באַשטימט אַ SAP ס שפּור רעקאָרד פון פארמאכט סיסטעם, עס איז אַנלייקלי צו באַקומען איך פֿון SAP אין עס (???). עס זענען פילע לעגאַט ינווייראַנמאַנץ Powering SAP, אַזאַ ווי IMS, VSAM, ADABAS, ORACLE, DB2, און אַזוי אויף. SAP ינסיסץ אויף אַ "ניט ינווענטיד דאָ" צוגאַנג. SAP טוט נישט וועלן צו שוטעף מיט אנדערע ווענדאָרס צו נוצן אָדער מאַכן די data warehouse. SAP ינסיסץ צו דזשענערייט אַלע זיין אייגענע ווייכווארג.

כאָטש SAP איז אַ גרויס און שטאַרק פירמע, דער פאַקט פון טריינג צו רירייט די טעכנאָלאָגיע פון ​​ELT, OLAP, סיסטעם אַדמיניסטראַציע און אפילו די קאָד באַזע פון ​​די dms עס איז נאָר מעשוגע. אַנשטאָט צו נעמען אַ קאָאָפּעראַטיווע שטעלונג מיט די סאַפּלייערז data warehouse לאַנג-שטייענדיק, SAP האט נאכגעגאנגען די "זיי וויסן בעסטער" צוגאַנג. די שטעלונג האלט צוריק די הצלחה אַז SAP קען האָבן אין דער געגנט פון data warehouse.
SAP ס אָפּזאָג צו לאָזן פונדרויסנדיק ווענדאָרס צו גלייך און גראַציעז אַקסעס זייער דאַטע. די זייער עסאַנס פון ניצן אַ data warehouse איז גרינג צוטריט צו דאַטע. די גאנצע געשיכטע פון ​​SAP איז באזירט אויף מאכן עס שווער צו אַקסעס דאַטע.
SAP ס פעלן פון דערפאַרונג אין האַנדלינג מיט גרויס וואַליומז פון דאַטע; אין דעם פעלד פון data warehouse עס זענען וואַליומז פון דאַטע קיינמאָל געזען פֿון SAP און צו שעפּן די גרויס אַמאַונץ פון דאַטע איר דאַרפֿן צו האָבן די רעכט טעכנאָלאָגיע. SAP איז משמעות ניט אַווער פון דעם טעקנאַלאַדזשיקאַל שלאַבאַן אַז יגזיסץ צו אַרייַן די פעלד פון data warehouse.
SAP ס פֿירמע קולטור: SAP האט געבויט אַ געשעפט אין געטינג י דאַטע פון די סיסטעם. אבער צו טאָן דאָס איר דאַרפֿן צו האָבן אַ אַנדערש פּסיכאָלאָגיע. טראַדישאַנאַלי, ווייכווארג קאָמפּאַניעס וואָס זענען געווען גוט צו באַקומען דאַטן אין אַ סוויווע האָבן נישט געווען גוט צו באַקומען דאַטן צו די אנדערע וועג. אויב SAP מאַנידזשיז צו מאַכן דעם טיפּ פון באַשטימען, עס וועט זיין דער ערשטער פירמע צו טאָן דאָס.

אין קורץ, עס איז פּראָבלעמאַטיש צי אַ פירמע זאָל אויסקלייַבן SAP ווי אַ סאַפּלייער פון data warehouse. עס זענען זייער ערנסט ריסקס אויף די איין האַנט און זייער ווייניק ריוואָרדז אויף די אנדערע. אָבער עס איז אן אנדער סיבה וואָס דיסקערידזשיז טשוזינג SAP ווי אַ סאַפּלייער data warehouse. ווייַל יעדער פירמע זאָל האָבן די זעלבע data warehouse פון אַלע די אנדערע קאָמפּאַניעס? די data warehouse עס איז די האַרץ פון קאַמפּעטיטיוו מייַלע. אויב יעדער פירמע אנגענומען די זעלבע data warehouse עס וואָלט זיין שווער, כאָטש ניט אוממעגלעך, צו דערגרייכן אַ קאַמפּעטיטיוו מייַלע. SAP מיינט צו טראַכטן אַז אַ data warehouse קענען זיין געזען ווי אַ קיכל און דאָס איז נאָך אן אנדער צייכן פון זייער פּסיכאָלאָגיע פון ​​"באַקומען די דאַטן אין" אַפּלאַקיישאַנז.

קיין אנדערע ERP פאַרקויפער איז ווי דאָמינאַנט ווי SAP. בלי ספק עס וועט זיין קאָמפּאַניעס וואָס וועלן גיין די SAP וועג פֿאַר זייער data warehouse אָבער מאַשמאָעס די data warehouse SAP וועט זיין גרויס, טייַער און צייט קאַנסומינג צו שאַפֿן.

די ינווייראַנמאַנץ אַרייַננעמען אַזאַ אַקטיוויטעטן ווי באַנק קאַסיר פּראַסעסינג, ערליין רעזערוואַציע פּראַסעסאַז, פאַרזיכערונג קליימז פּראַסעסאַז, און אַזוי אויף. די בעסער פּערפאָרמינג די טראַנסאַקטיאָן סיסטעם, די מער קלאָר ווי דער טאָג איז געווען די נויט פֿאַר צעשיידונג צווישן די אַפּעריישאַנאַל פּראָצעס און די DSS (Decision Support System). אָבער, מיט HR און פּערסאַנעל סיסטעמען, איר זענט קיינמאָל פייסט מיט גרויס וואַליומז פון טראַנזאַקשאַנז. און, פון קורס, ווען אַ מענטש איז כייערד אָדער פאַרלאָזן די פירמע, דאָס איז אַ רעקאָרד פון אַ טראַנסאַקטיאָן. אָבער קאָרעוו צו אנדערע סיסטעמען, HR און פּערסאַנעל סיסטעמען פשוט טאָן ניט האָבן פילע טראַנזאַקשאַנז. דעריבער, אין HR און פּערסאַנעל סיסטעמען עס איז נישט לעגאַמרע קלאָר ווי דער טאָג אַז עס איז אַ נויט פֿאַר אַ דאַטאַוואַרעהאָוסע. אין פילע וועגן די סיסטעמען זענען אַמאַלגאַמיישאַנז פון DSS סיסטעמען.

אָבער עס איז אן אנדער פאַקטאָר וואָס מוזן זיין קאַנסידערד אויב איר האַנדלען מיט דאַטן ווערכאַוזיז און PeopleSoft. אין פילע ינווייראַנמאַנץ, י דאַטע HR און פערזענלעכע רעסורסן זענען צווייטיק צו די ערשטיק געשעפט פון די פירמע. רובֿ פון די קאָמפּאַניעס זענען מאַנופאַקטורינג, סעלינג, פּראַוויידינג באַדינונגס און אַזוי אויף. HR און פּערסאַנעל סיסטעמען זענען יוזשאַוואַלי צווייטיק צו (אָדער שטיצן) די פירמע 'ס הויפּט שורה פון געשעפט. דעריבע ר אי ז ע ר אומבאקוועם ע או ן אומבאקוועם א data warehouse באַזונדער פֿאַר HR און פערזענלעכע רעסורסן שטיצן.

PeopleSoft איז זייער אַנדערש פון SAP אין דעם רעספּעקט. מיט SAP, עס איז מאַנדאַטאָרי אַז עס איז אַ data warehouse. מיט PeopleSoft, דאָס איז נישט אַזוי קלאָר. א דאַטן ווערכאַוס איז אַפּשאַנאַל מיט PeopleSoft.

דער בעסטער זאַך וואָס קענען זיין געזאָגט פֿאַר די יו דאַטע PeopleSoft איז אַז די data warehouse קענען זיין געוויינט צו אַרקייוו י דאַטע שייַכות צו אַלט מענטש און פּערזענלעך רעסורסן. א צווייטע סיבה פארוואס א פירמע וואלט געוואלט נוצן א data warehouse a

כיסאָרן פון די PeopleSoft סוויווע איז צו לאָזן אַקסעס און פריי אַקסעס צו אַנאַליסיס מכשירים, אַי דאַטע דורך PeopleSoft. אָבער ווייַטער פון די סיבות, עס קען זיין קאַסעס ווען עס איז בעסער נישט צו האָבן אַ דאַטן ווערכאַוס דאַטע PeopleSoft.

אין קיצער

עס זענען פילע געדאנקען וועגן די קאַנסטראַקשאַן פון אַ data warehouse אין אַן ERP ווייכווארג.
עטלעכע פון ​​די זענען:

• ▪ עס מאכט זינען צו האָבן אַ data warehouse ווער קוקט ווי קיין אנדערע אין די אינדוסטריע?
• ▪ ווי פלעקסאַבאַל אַן ערפּ איז data warehouse ווייכווארג?
• ▪ אַן ערפּ data warehouse ווייכווארג קענען שעפּן אַ באַנד פון דאַטע וואָס איז ליגן אין אַdata warehouse ארענע"?
• ▪ וואָס איז די שפּור לאָגינג די ERP פאַרקויפער טוט אין פּנים פון גרינג און ביליק, צייט קאַנסומינג, אַי דאַטע? (וואָס איז די ERP ווענדאָרס שפּור רעקאָרד אויף עקספּרעס פון ביליק, אויף צייט, גרינג צו אַקסעס דאַטן?)
• ▪ וואָס איז דער פארשטאנד פון דער ERP פאַרקויפער פון די DSS אַרקאַטעקטשער און די פֿירמע אינפֿאָרמאַציע פאַבריק?
• ▪ ערפּ ווענדאָרס פֿאַרשטיין ווי צו דערגרייכן דאַטע אין דער סביבה, אָבער אויך פֿאַרשטיין ווי צו אַרויספירן זיי?
• ▪ ווי אָפן איז דער ערפּ פאַרקויפער צו דאַטן ווערכאַוזינג מכשירים?
  אַלע די קאַנסידעריישאַנז מוזן זיין געמאכט ווען דיטערמאַנינג ווו צו שטעלן די data warehouse וואָס וועט באַלעבאָס איך דאַטע פון די ERP און אנדערע דאַטע. אין אַלגעמיין, אויב עס איז אַ קאַמפּעלינג סיבה צו טאָן אַנדערש, בנין איז רעקאַמענדיד data warehouse אַרויס די סוויווע פון ​​די ERP פאַרקויפער. קאַפּיטאָלאָ 1 איבערבליק פון די BI אָרגאַניזאַציע שליסל ווייזט:
  אינפֿאָרמאַציע ריפּאַזאַטאָריז אַרבעט אין די פאַרקערט וועג צו געשעפט סייכל (בי) אַרקאַטעקטשער:
  פֿירמע קולטור און עס קענען באַגרענעצן די הצלחה פון בנין BI אָרגאַנאַזיישאַנז.

טעכנאָלאָגיע איז ניט מער די לימאַטינג פאַקטאָר פֿאַר BI אָרגאַנאַזיישאַנז. די פּראָבלעם פֿאַר אַרקאַטעקץ און פּרויעקט פּלאַנערז איז נישט צי די טעכנאָלאָגיע יגזיסץ, אָבער צי זיי קענען יפעקטיוולי ינסטרומענט די בנימצא טעכנאָלאָגיע.

פֿאַר פילע קאָמפּאַניעס אַ data warehouse איז אַ ביסל מער ווי אַ פּאַסיוו אַוועקלייגן וואָס דיסטריביוץ י דאַטע צו ניצערס וואס דאַרפֿן עס. די דאַטע זענען יקסטראַקטיד פון מקור סיסטעמען און זענען פּאַפּיאַלייטאַד אין ציל סטראַקטשערז דורך data warehouse. איך דאַטע זיי קענען אויך זיין קלינד מיט קיין גליק. אָבער קיין נאָך ווערט איז צוגעגעבן אָדער געזאמלט דורך די דאַטע בעשאַס דעם פּראָצעס.

יסענשאַלי, פּאַסיוו דוו, אין בעסטער, בלויז גיט י דאַטע ריין און אַפּעריישאַנאַל צו באַניצער אַסאָוסייישאַנז. אינפֿאָרמאַציע שאַפונג און אַנאַליסיס פארשטאנד זענען לעגאַמרע אָפענגיק אויף ניצערס. ריכטער צי די דוו (דאַטן ווערכאַוס) איז אַ הצלחה איז סאַבדזשעקטיוו. אויב מיר ריכטער הצלחה אויף די פיייקייט צו יפישאַנטלי קלייַבן, ויסשטימען און ריין י דאַטע פֿירמע אויף אַ פּרידיקטאַבאַל יקער, דעמאָלט יאָ, די DW איז אַ הצלחה. אויף די אנדערע האַנט, אויב מיר קוקן אין די זאַמלונג, קאַנסאַלאַדיישאַן און עקספּלויטיישאַן פון אינפֿאָרמאַציע דורך די אָרגאַניזאַציע ווי אַ גאַנץ, די DW איז אַ דורכפאַל. א DW גיט קליין אָדער קיין אינפֿאָרמאַציע ווערט. ווי אַ רעזולטאַט, יוזערז זענען געצווונגען צו טאָן, אַזוי קריייטינג אינפֿאָרמאַציע סילאָ. דער קאַפּיטל גיט אַ פולשטענדיק זעאונג צו רעקאַפּ די פאַרנעמונג BI (ביזנעס ינטעלליגענסע) אַרקאַטעקטשער. מיר אָנהייבן מיט אַ באַשרייַבונג פון BI און דאַן מאַך צו דיסקוסיעס פון אינפֿאָרמאַציע פּלאַן און אַנטוויקלונג, ווי קעגן צו פשוט צושטעלן אינפֿאָרמאַציע. דאַטע צו ניצערס. דיסקוסיעס דעמאָלט פאָקוס אויף קאַלקיאַלייטינג די ווערט פון דיין BI השתדלות. מיר פאַרענדיקן דורך דיפיינינג ווי IBM אַדרעסז דיין אָרגאַניזאַציע ס BI אַרקאַטעקטשעראַל רעקווירעמענץ.

אַרקאַטעקטשער באַשרייַבונג פון BI אָרגאַניזאַציע

שטאַרק טראַנסאַקטיאָן-אָריענטיד אינפֿאָרמאַציע סיסטעמען זענען איצט דער סדר פון די טאָג אין יעדער גרויס פאַרנעמונג, יפעקטיוולי לעוועלינג די פּלייינג פעלד פֿאַר קאָרפּעריישאַנז אַרום די וועלט.

פארבליבן קאַמפּעטיטיוו, אָבער, איצט ריקווייערז אַנאַליטיקאַל אָריענטיד סיסטעמען וואָס קענען רעוואַלושאַנייז אַ פירמע 'ס פיייקייט צו רידיסקאַווערד און נוצן די אינפֿאָרמאַציע זיי שוין האָבן. די אַנאַליטיקאַל סיסטעמען קומען פון פארשטאנד די ריטשנאַס פון דאַטע בנימצא. BI קענען פֿאַרבעסערן פאָרשטעלונג איבער אַלע אינפֿאָרמאַציע אַריבער די פאַרנעמונג. קאָמפּאַניעס קענען פֿאַרבעסערן קונה-סופּפּליער באציונגען, פֿאַרבעסערן די פּראַפיטאַביליטי פון פּראָדוקטן און באַדינונגס, דזשענערייט נייַע און בעסער אָפפערס, קאָנטראָלירן ריזיקירן און צווישן פילע אנדערע גיינז דראַמאַטיקלי שנייַדן הוצאות. מיט BI, דיין פירמע לעסאָף הייבט צו נוצן קונה אינפֿאָרמאַציע ווי אַ קאַמפּעטיטיוו אַסעט דאַנק צו אַפּלאַקיישאַנז וואָס האָבן מאַרק אַבדזשעקטיווז.

ווייל די רעכט מיטל פון געשעפט מיטל צו האָבן דעפיניטיווע ענטפֿערס צו שליסל פֿראגן אַזאַ ווי:

• ▪ וועלכע פון ​​אונזערע קאַסטאַמערז צי זיי מאַכן אונדז פאַרדינען מער, אָדער טאָן זיי מאַכן אונדז פאַרלירן געלט?
• ▪ ווו אונדזער בעסטער לעבן קאַסטאַמערז אין באַציונג צו קראָם/ ווערכאַוס זיי אָפט?
• ▪ וואָס פון אונדזער פּראָדוקטן און סערוויסעס קענען זיין סאָלד מערסט יפעקטיוולי און צו וועמען?
• ▪ וואָס פּראָדוקטן קענען זיין סאָלד מערסט יפעקטיוולי און צו וועמען?
• ▪ וואָס פארקויפונג קאמפאניע איז מערסט געראָטן און וואָס?
• ▪ וואָס פארקויפונג טשאַנאַלז זענען מערסט עפעקטיוו פֿאַר וואָס פּראָדוקטן?
• ▪ ווי מיר קענען פֿאַרבעסערן באציונגען מיט אונדזער בעסטער קאַסטאַמערז? רובֿ קאָמפּאַניעס האָבן דאַטע שווער צו ענטפֿערן די שאלות.
  אַפּעריישאַנאַל סיסטעמען דזשענערייט גרויס קוואַנטאַטיז פון פּראָדוקט, קונה און קאָס דאַטע מאַרק פון פאַרקויף, רעזערוויישאַנז, קונה דינסט און טעכניש שטיצן סיסטעמען. די אַרויסרופן איז צו עקסטראַקט און גווורע דעם אינפֿאָרמאַציע. פילע קאָמפּאַניעס נוץ בלויז פון קליין פראַקשאַנז פון זייער דאַטע פֿאַר סטראַטידזשיק אַנאַליזעס.
  I דאַטע פארבליבענע , אפטמא ל צוזאמע ן מי ט י דאַטע דערייווד פון פונדרויסנדיק קוואלן אַזאַ ווי רעגירונג ריפּאָרץ, און אנדערע געקויפט אינפֿאָרמאַציע, איז אַ גאָלד מייַן נאָר ווארטן צו זיין יקספּלאָרד, און דאַטע זיי נאָר דאַרפֿן צו זיין ראַפינירט אין די ינפאָרמאַטיוו קאָנטעקסט פון דיין אָרגאַניזאַציע.

די וויסן קענען זיין געווענדט אין עטלעכע וועגן, ריינדזשינג פון דיזיינינג אַ קוילעלדיק פֿירמע סטראַטעגיע צו פּערזענלעך קאָמוניקאַציע מיט סאַפּלייערז, דורך רופן סענטערס, ינווויסינג, אינטערנעץ און אנדערע פונקטן. הייַנט ס געשעפט סוויווע דיקטייץ אַז DW און פֿאַרבונדענע BI סאַלושאַנז יוואַלוו ווייַטער פון פליסנדיק טראדיציאנעלן געשעפט סטראַקטשערז. דאַטע אַזאַ ווי איך דאַטע נאָרמאַלייזד אין די אַטאָמישע מדרגה און "שטערן / קוב פאַרמס".

וואָס איז פארלאנגט צו בלייַבן קאַמפּעטיטיוו איז אַ פוסיאָן פון טראדיציאנעלן און אַוואַנסירטע טעקנאַלאַדזשיז אין אַן מי צו שטיצן אַ ברייט אַנאַליסיס לאַנדשאַפט.
צו פאַרענדיקן, די אַלגעמיינע סוויווע מוזן פֿאַרבעסערן די וויסן פון די פירמע ווי אַ גאַנץ, צו ענשור אַז די אַקשאַנז גענומען ווי אַ רעזולטאַט פון די דורכגעקאָכט אַנאַליסיס זענען נוציק אַזוי אַז אַלעמען נוץ.

פֿאַר בייַשפּיל, לאָזן ס זאָגן איר ריי דיין אייגן קאַסטאַמערז אין הויך אָדער נידעריק ריזיקירן קאַטעגאָריעס.
אויב די אינפֿאָרמאַציע איז דזשענערייטאַד דורך מאָדעל מיינינג אָדער אנדערע מיטלען, עס מוזן זיין שטעלן אין די DW און געמאכט צוטריטלעך צו ווער עס יז, דורך קיין אַקסעס געצייַג, אַזאַ ווי סטאַטיק ריפּאָרץ, ספּרעדשיץ, טישן אָדער אָנליין אַנאַליסיס פּראַסעסינג (OLAP).

אָבער, דערווייַל, פיל פון דעם טיפּ פון אינפֿאָרמאַציע בלייבט אין סילאָ דאַטע פון די יחידים אָדער דיפּאַרטמאַנץ וואָס דזשענערייט די אַנאַליסיס. די אָרגאַניזאַציע ווי אַ גאַנץ האט קליין אָדער קיין וויזאַביליטי פֿאַר פארשטאנד. בלויז דורך בלענדינג דעם טיפּ פון אינפֿאָרמאַציע אינהאַלט אין דיין DW פאַרנעמונג, איר קענען עלימינירן אינפֿאָרמאַציע סילאָ און הייבן דיין DW סוויווע.
עס זענען צוויי הויפּט מניעות צו אַנטוויקלען אַ BI אָרגאַניזאַציע.
ערשטער, מיר האָבן די פּראָבלעם פון דער אָרגאַניזאַציע זיך און זייַן דיסציפּלין.
כאָטש מיר קענען נישט העלפֿן מיט אָרגאַנאַזיישאַנאַל פּאָליטיק ענדערונגען, מיר קענען העלפֿן פֿאַרשטיין די קאַמפּאָונאַנץ פון אַן אָרגאַניזאַציע BI, זיין אַרקאַטעקטשער און ווי די טעכנאָלאָגיע פון ​​IBM פאַסילאַטייץ זייַן אַנטוויקלונג.
די צווייטע שלאַבאַן צו באַקומען איז די פעלן פון ינאַגרייטיד טעכנאָלאָגיע און די וויסן פון אַ אופֿן וואָס רופט די גאנצע BI פּלאַץ ווי קעגן צו בלויז אַ קליין קאָמפּאָנענט.

יבם ריספּאַנד צו ענדערונגען אין ינטאַגרייטינג טעכנאָלאָגיע. עס איז דיין פֿאַראַנטוואָרטלעכקייט צו צושטעלן באַוווסטזיניק פּלאַן. די אַרקאַטעקטשער מוזן זיין דעוועלאָפּעד מיט טעכנאָלאָגיע אויסדערוויילט פֿאַר אַנקאַנסטריינד ינטאַגריישאַן, אָדער בייַ מינדסטער, מיט טעכנאָלאָגיע וואָס אַדכירז צו עפענען סטאַנדאַרדס. אויך, דיין פירמע פאַרוואַלטונג מוזן ענשור אַז די בי פאַרנעמונג איז דורכגעקאָכט לויט די פּלאַן און נישט צו לאָזן די אַנטוויקלונג פון אינפֿאָרמאַציע סיילאָוז וואָס קומען פֿון זיך-סערווינג אַגענדאַ אָדער צילן.
דאָס איז נישט צו זאָגן אַז די BI סוויווע איז נישט שפּירעוודיק צו רעאַגירן צו די פאַרשידענע באדערפענישן און באדערפענישן פון פאַרשידענע ניצערס; אַנשטאָט, עס מיטל אַז די ימפּלאַמענטיישאַן פון די יחיד באדערפענישן און באדערפענישן איז געטאן פֿאַר די נוץ פון די גאנצע BI אָרגאַניזאַציע.
א באַשרייַבונג פון די אַרקאַטעקטשער פון די BI אָרגאַניזאַציע קענען זיין געפֿונען אויף בלאַט 9 אין פיגורע 1.1 די אַרקאַטעקטשער דעמאַנסטרייץ אַ רייַך מישן פון טעקנאַלאַדזשיז און טעקניקס.
פון די טראדיציאנעלן מיינונג, די אַרקאַטעקטשער כולל די פאלגענדע ווערכאַוס קאַמפּאָונאַנץ

אַטאָמישע שיכטע.

דאָס איז דער יסוד, די האַרץ פון די גאנצע DW און דעריבער פון סטראַטידזשיק ריפּאָרטינג.
I דאַטע סטאָרד דאָ וועט ריטיין די היסטארישע אָרנטלעכקייַט, באציונגען פון דאַטע און אַרייַננעמען דערייווד מעטריקס, ווי געזונט ווי רייניקונג, ינאַגרייטיד און סטאָרד ניצן מיינינג מאָדעלס.
כל סאַבסאַקוואַנט נוצן פון די דאַטע און פֿאַרבונדענע אינפֿאָרמאַציע איז דערייווד פון דעם סטרוקטור. דאָס איז אַ ויסגעצייכנט מקור פֿאַר מיינינג דאַטע און פֿאַר ריפּאָרץ מיט סטראַקטשערד סקל קוויריז

אַפּעריישאַנאַל ווערכאַוס פון דאַטע אָדער באַריכט יקער פון דאַטע(אָפּעראַטיווע דאַטן קראָם (ODS) אָדער ריפּאָרטינג דאַטאַבייס.)

דאָס איז אַ סטרוקטור פון דאַטע ספּאַסיפיקלי דיזיינד פֿאַר טעכניש ריפּאָרטינג.

I דאַטע סטאָרד און רעפּאָרטעד אויבן די סטראַקטשערז קענען לעסאָף פאַרשפּרייטן אין די ווערכאַוס דורך די סטאַגינג געגנט, ווו עס קען זיין געוויינט פֿאַר סטראַטידזשיק סיגנאַלינג.

סטאַגינג געגנט.

דער ערשטער האַלטן פֿאַר רובֿ דאַטע בדעה פֿאַר די ווערכאַוס סוויווע איז די אָרגאַניזאַציע זאָנע.
דאָ איך דאַטע זיי זענען ינאַגרייטיד, קלינד און פארוואנדלען אין דאַטע פּראַפיץ וואָס וועט באַפעלקערן די ווערכאַוס סטרוקטור

טאָג מאַרץ.

דעם טייל פון די אַרקאַטעקטשער רעפּראַזענץ די סטרוקטור פון דאַטע געוויינט ספּאַסיפיקלי פֿאַר OLAP. די בייַזייַן פון דאַטאַמאַרץ, אויב איך דאַטע זענען סטאָרד אין די אָוווערלאַפּינג שטערן סטשעמאַס דאַטע מולטידימענסיאָנאַל אין אַ ריליישאַנאַל סוויווע, אָדער אין די טעקעס פון דאַטע פּראַפּרייאַטערי געניצט דורך ספּעציפיש OLAP טעכנאָלאָגיע, אַזאַ ווי DB2 OLAP Server, איז נישט באַטייַטיק.

דער בלויז קאַנסטריינץ איז אַז די אַרקאַטעקטשער פאַסילאַטייץ די נוצן פון דאַטע מולטידימענסיאָנאַל.
די אַרקאַטעקטשער אויך כולל קריטיש ביי טעקנאַלאַדזשיז און טעקניקס וואָס שטיין אויס ווי:

ספּיישאַל אַנאַליסיס

פּלאַץ איז אַן אינפֿאָרמאַציע ווינדפאַלל פֿאַר די אַנאַליסט און איז קריטיש צו פאַרענדיקן האַכלאָטע. פּלאַץ קענען פאָרשטעלן אינפֿאָרמאַציע וועגן די מענטשן וואס לעבן אין אַ זיכער אָרט, ווי געזונט ווי אינפֿאָרמאַציע וועגן ווו די אָרט איז פיזיקלי אין באַציונג צו די רעשט פון די וועלט.

צו דורכפירן דעם אַנאַליסיס, איר מוזן אָנהייבן צו בינדן דיין אינפֿאָרמאַציע צו ברייט און לאַנדזשאַטוד קאָואָרדאַנאַץ. דאָס איז ריפערד צו ווי "געאָקאָדינג" און מוזן זיין אַ טייל פון די עקסטראַקט, יבערמאַכן און מאַסע פּראָצעס (ETL) אויף די אַטאָמישע מדרגה פון דיין ווערכאַוס.

דאַטאַ מיינינג.

די עקסטראַקט פון דאַטע אַלאַוז אונדזער קאָמפּאַניעס צו וואַקסן די נומער פון קאַסטאַמערז, צו פאָרויסזאָגן פארקויפונג טרענדס און געבן שייכות פאַרוואַלטונג מיט י קאַסטאַמערז (קרם), צווישן אנדערע BI ינישאַטיווז.

די עקסטראַקט פון דאַטע עס מוזן דעריבער זיין ינאַגרייטיד מיט די סטראַקטשערז פון דאַטע ווערכאַוס און געשטיצט דורך ווערכאַוס פּראַסעסאַז צו יבערצייַגן ביידע עפעקטיוו און עפעקטיוו נוצן פון טעכנאָלאָגיע און פֿאַרבונדענע טעקניקס.

ווי געוויזן אין די BI אַרקאַטעקטשער, די אַטאָמישע מדרגה Dwhouse, ווי געזונט ווי דאַטאַמאַרץ, איז אַ ויסגעצייכנט מקור פון דאַטע פֿאַר יקסטראַקשאַן. די זעלבע פאַסילאַטיז מוזן אויך זיין ריסיפּיאַנץ פון יקסטראַקשאַן רעזולטאַטן צו ענשור אַוויילאַבילאַטי צו די ברייטאַסט וילעם.

אגענטן.

עס זענען פאַרשידן "אַגענץ" צו ונטערזוכן די קונה פֿאַר קיין פונט אַזאַ ווי, די פירמע 'ס אָפּערייטינג סיסטעמען און די דוו זיך. די אגענטן קענען זיין אַוואַנסירטע נעוראַל נעטוואָרקס טריינד צו לערנען וועגן טרענדס אין יעדער פונט, אַזאַ ווי צוקונפֿט פּראָדוקט פאָדערונג באזירט אויף פארקויפונג פּערמאָושאַנז, הערשן-באזירט ענדזשאַנז צו רעאַגירן צו אַ dato סכום פון צושטאנדן, אָדער אפילו פּשוט אגענטן וואָס באַריכט אויסנעמען צו "שפּיץ יגזעקיאַטיווז". די פּראַסעסאַז בכלל פאַלן אין פאַקטיש צייט און, דעריבער, מוזן זיין ענג קאַפּאַלד מיט זייער באַוועגונג דאַטע. אַלע די סטראַקטשערז פון דאַטע, טעקנאַלאַדזשיז און טעקניקס ענשור אַז איר וועט נישט פאַרברענגען די נאַכט צו דזשענערייט אַן אָרגאַניזאַציע פון ​​דיין BI.

די טעטיקייט וועט זיין דעוועלאָפּעד אין ינקראַמענטאַל סטעפּס, פֿאַר קליין פונקטן.
יעדער שריט איז אַ פרייַ פּרויעקט מי, און איז ריפערד צו ווי אַן יטעראַטיאָן אין דיין BI dw אָדער איניציאטיוו. יטעראַטיאָנס קען אַרייַננעמען ימפּלאַמענינג נייַ טעקנאַלאַדזשיז, סטאַרטינג מיט נייַע טעקניקס, אַדינג נייַע פראַמעוואָרקס צו דאַטע , לאָודינג איך דאַטע נאָך, אָדער מיט די אַנאַליסיס יקספּאַנשאַן פון דיין סוויווע. דער פּאַראַגראַף איז דיסקאַסט אין מער דעטאַל אין קאַפּיטל 3.

אין אַדישאַן צו טראדיציאנעלן DW פראַמעוואָרקס און BI מכשירים, עס זענען אנדערע אַספּעקץ פון דיין BI אָרגאַניזאַציע פֿאַר וואָס איר דאַרפֿן צו פּלאַן, אַזאַ ווי:

קונה פאַרבינדן פונקטן (קונסט פאַרבינדן פונקטן).

ווי מיט קיין מאָדערן אָרגאַניזאַציע, עס זענען אַ נומער פון קונה טאָוטפּוינץ וואָס אָנווייַזן ווי צו האָבן אַ positive דערפאַרונג פֿאַר דיין קאַסטאַמערז. עס זענען טראדיציאנעלן טשאַנאַלז אַזאַ ווי רעטאַילערס, סוויטשבאָרד אָפּערייטערז, דירעקט פּאָסט, מולטימעדיאַ און דרוק גאַנצע, ווי געזונט ווי מער קראַנט טשאַנאַלז אַזאַ ווי E- בריוו און וועב, דאַטע פּראָדוקטן מיט עטלעכע פונט פון קאָנטאַקט מוזן זיין קונה, טראַנספּאָרטאַד, קלינד, פּראַסעסט און דעמאָלט פּאַפּיאַלייטאַד אין פאַסילאַטיז דאַטע פון די BI.

באַסיקס פון דאַטע אַפּעריישאַנאַל און באַניצער אַסאָוסייישאַנז (אַפּעריישאַנאַל

דאַטאַבייסיז און באַניצער קהילות).
אין די סוף פון די קאָנטאַקט ווייזט פון די קאַסטאַמערז די יסודות פון זענען געפונען דאַטע פון די פירמע 'ס אַפּלאַקיישאַן און באַניצער קהילות. די דאַטע יגזיסטינג זענען דאַטע טראַדיציאָנעל וואָס מוזן זיין געבראכט צוזאַמען און צונויפגיסן מיט די דאַטע פלאָוינג פון די טאָוטפּוינץ צו טרעפן די נייטיק אינפֿאָרמאַציע.

אַנאַליסץ. (אַנאַליס)

דער ערשטיק בענאַפישיער פון די BI סוויווע איז דער אַנאַליסט. עס איז ער וואס בענעפיץ פון די קראַנט יקסטראַקשאַן פון דאַטע אַפּעריישאַנאַל , ינאַגרייטיד מיט פאַרשידענע קוואלן פון דאַטע , פאַרגרעסערן מיט פֿעיִקייטן אַזאַ ווי דזשיאַגראַפיק אַנאַליסיס (געאָקאָדינג) און דערלאנגט אין BI טעקנאַלאַדזשיז וואָס לאָזן מיינינג, OLAP, אַוואַנסירטע סקל רעפּאָרטינג און דזשיאַגראַפיק אַנאַליסיס. די ערשטיק צובינד פֿאַר די אַנאַליסט צו די ריפּאָרטינג סוויווע איז די BI טויער.

אָבער, דער אַנאַליסט איז נישט דער בלויז איינער וואָס נוץ פון די BI אַרקאַטעקטשער.
מאַנאַדזשערז, גרויס באַניצער אַסאָוסייישאַנז, און אפילו מיטגלידער, סאַפּלייערז און קאַסטאַמערז זיי זאָל געפֿינען בענעפיץ אין פאַרנעמונג BI.

צוריק-פיטער שלייף.

BI אַרקאַטעקטשער איז אַ לערנען סוויווע. א כאַראַקטעריסטיש פּרינציפּ פון אַנטוויקלונג איז צו לאָזן פּערסיסטענט סטראַקטשערז פון דאַטע צו זיין דערהייַנטיקט דורך די BI טעכנאָלאָגיע געניצט און דורך אַקשאַנז גענומען דורך די באַניצער. א ביישפּיל איז קונה סקאָרינג.

אויב די פארקויפונג אָפּטיילונג טוט אַ מיינינג מאָדעל פון קונה סקאָרז אַזאַ ווי ניצן אַ נייַע דינסט, די פארקויפונג אָפּטיילונג זאָל נישט זיין די בלויז גרופּע וואָס נוץ פון די דינסט.

אַנשטאָט, מאָדעל מיינינג זאָל זיין דורכגעקאָכט ווי אַ נאַטירלעך טייל פון די דאַטן לויפן אין די פאַרנעמונג און קונה סקאָרז זאָל ווערן אַ ינאַגרייטיד טייל פון די ווערכאַוס אינפֿאָרמאַציע קאָנטעקסט, קענטיק צו אַלע יוזערז. בי-בי-סענטריק יבם סוויט אַרייַנגערעכנט DB2 UDB, DB2 OLAP Server כולל די מערסט וויכטיק טעכנאָלאָגיע קאַמפּאָונאַנץ, דיפיינד אין פיגור 1.1.

מיר נוצן די אַרקאַטעקטשער ווי עס איז ארויס אין דעם פיגור פון דעם בוך צו געבן אונדז אַ מדרגה פון קאַנטיניויישאַן און באַווייַזן ווי יעדער יבם פּראָדוקט פיץ אין די קוילעלדיק BI סכעמע.

צושטעלן אינפֿאָרמאַציע אינהאַלט (צושטעלן אינפֿאָרמאַציע אינהאַלט)

דיזיינינג, דעוועלאָפּינג און ימפּלאַמענינג דיין BI סוויווע איז אַ דאָנטינג אַרבעט. דער פּלאַן מוזן אַרומנעמען ביידע קראַנט און צוקונפֿט געשעפט באדערפענישן. די אַרקאַטעקטשער צייכענונג מוזן זיין פולשטענדיק צו אַרייַננעמען אַלע קאַנקלוזשאַנז געפֿונען בעשאַס די פּלאַן פאַסע. די דורכפירונג מוזן בלייבן באגאנגען צו אַ איין ציל: צו אַנטוויקלען די BI אַרקאַטעקטשער ווי פאָרמאַלי דערלאנגט אין די פּלאַן און גראָונדעד אין געשעפט רעקווירעמענץ.

עס איז ספּעציעל שווער צו טענהן אַז דיסציפּלין וועט ענשור קאָרעוו הצלחה.
דאָס איז פּשוט ווייַל איר טאָן ניט אַנטוויקלען אַ BI סוויווע אַלע אין אַמאָל, אָבער אין קליין סטעפּס איבער צייַט.

אָבער, צו ידענטיפיצירן די BI קאַמפּאָונאַנץ פון דיין אַרקאַטעקטשער איז וויכטיק פֿאַר צוויי סיבות: איר וועט פירן אַלע סאַבסאַקוואַנט טעכניש אַרקאַטעקטשער דיסיזשאַנז.
איר וועט קענען צו קאַנשאַסלי פּלאַנירן אַ באַזונדער נוצן פון טעכנאָלאָגיע אפילו כאָטש איר קען נישט באַקומען אַ איבערחזרן וואָס איר דאַרפֿן די טעכנאָלאָגיע פֿאַר עטלעכע חדשים.

גענוג פארשטאנד פון דיין געשעפט רעקווירעמענץ וועט השפּעה אויף די טיפּ פון פּראָדוקטן איר קריגן פֿאַר דיין אַרקאַטעקטשער.
דער פּלאַן און אַנטוויקלונג פון דיין אַרקאַטעקטשער ינשורז אַז דיין ווערכאַוס איז

ניט אַ טראַפ - געשעעניש, אָבער גאַנץ אַ גוט-געדאַנק-אויס, קערפאַלי קאַנסטראַקטאַד אַד אָפּערע פון קונסט ווי אַ מאָסאַיק פון געמישט טעכנאָלאָגיע.

פּלאַן אינפֿאָרמאַציע אינהאַלט

אַלע ערשט פּלאַן מוזן פאָקוס און ידענטיפיצירן די הויפּט BI קאַמפּאָונאַנץ וואָס וועט זיין דארף דורך די קוילעלדיק סוויווע איצט און אין דער צוקונפֿט.
וויסן די געשעפט רעקווירעמענץ איז וויכטיק.

אפילו איידער קיין פאָרמאַל פּלאַנירונג האט אנגעהויבן, די פּרויעקט פּלאַננער קענען אָפט ידענטיפיצירן איין אָדער צוויי קאַמפּאָונאַנץ גלייך.
די וואָג פון קאַמפּאָונאַנץ וואָס קען זיין דארף פֿאַר דיין אַרקאַטעקטשער, אָבער, קענען ניט זיין געפֿונען לייכט. בעשאַס די פּלאַן פאַסע, דער הויפּט טייל פון די אַרקאַטעקטשער טייז די אַפּלאַקיישאַן אַנטוויקלונג (JAD) סעסיע אויף אַ זוכן צו ידענטיפיצירן געשעפט רעקווירעמענץ.

מאל די רעקווירעמענץ קענען זיין ענטראַסטיד צו אָנפֿרעג און ריפּאָרטינג מכשירים.
פֿאַר בייַשפּיל, יוזערז זאָגן אַז אויב זיי ווילן צו אָטאַמייט אַ קראַנט באַריכט זיי מוזן מאַניואַלי דזשענערייט עס דורך ינטאַגרייטינג צוויי קראַנט ריפּאָרץ און אַדינג חשבונות דערייווד פון די קאָמבינאַציע פון דאַטע.
כאָטש די פאָדערונג איז פּשוט, עס דיפיינז אַ זיכער שטריך פאַנגקשאַנאַליטי אַז איר מוזן אַרייַננעמען ווען פּערטשאַסינג ריפּאָרטינג מכשירים פֿאַר דיין אָרגאַניזאַציע.

דער דיזיינער מוזן אויך נאָכגיין נאָך רעקווירעמענץ צו באַקומען אַ גאַנץ בילד. צי יוזערז ווילן צו אַבאָנירן צו דעם באַריכט?
זענען רעפּאָרט סאַבסעץ דזשענערייטאַד און ימיילד צו פאַרשידן יוזערז? ווילן צו זען דעם באַריכט אין די פירמע טויער? אַלע פון ​​די רעקווירעמענץ זענען טייל פון די פּשוט נויט צו פאַרבייַטן אַ מאַנואַל באַריכט ווי פארלאנגט דורך יוזערז. די נוץ פון די טייפּס פון רעקווירעמענץ איז אַז אַלעמען, יוזערז און דיזיינערז, זענען באַקאַנט מיט דעם באַגריף פון ריפּאָרץ.

עס זענען אָבער אנדערע טייפּס פון געשעפטן וואָס מיר דאַרפֿן צו פּלאַן. ווען געשעפט רעקווירעמענץ זענען סטייטיד אין די פאָרעם פון סטראַטידזשיק געשעפט פֿראגן, עס איז גרינג פֿאַר די יקספּיריאַנסט פּלאַנער צו דערקענען דימענשאַנאַל און מאָס / פאַקט באדערפענישן.

אויב JAD יוזערז טאָן ניט וויסן ווי צו זאָגן זייער רעקווירעמענץ אין די פאָרעם פון אַ געשעפט פּראָבלעם, דער דיזיינער וועט אָפט צושטעלן ביישפילן צו האָפּקען-אָנהייב די רעקווירעמענץ צונויפקום סעסיע.
דער עקספּערט פּלאַנער קענען העלפֿן יוזערז פֿאַרשטיין ניט בלויז סטראַטידזשיק געשעפט, אָבער אויך ווי צו פאָרעם עס.
דער צוגאַנג צו דער זאַמלונג פון באדערפענישן איז דיסקאַסט אין קאַפּיטל 3; פֿאַר איצט מיר נאָר ווילן צו פונט אויס די נויט צו פּלאַן פֿאַר אַלע טייפּס פון BI רעקווירעמענץ.

א סטראַטידזשיק געשעפט פּראָבלעם איז ניט בלויז אַ געשעפט פאָדערונג, אָבער אויך אַ פּלאַן קיו. אויב איר האָבן צו ענטפֿערן אַ מולטידימענסיאָנאַל קשיא, איר מוזן מעמערייז, פאָרשטעלן די דאַטע דימענשאַנאַל, און אויב איר דאַרפֿן צו מעמערייז די דאַטע מולטידימענסיאָנאַל, איר דאַרפֿן צו באַשליסן וואָס טיפּ פון טעכנאָלאָגיע אָדער טעכניק איר וועט נוצן.

צי איר ינסטרומענט אַ רעזערווירט קוב שטערן סטשעמאַ, אָדער ביידע? ווי איר קענען זען, אפילו אַ פּשוט געשעפט אַרויסגעבן קענען זייער השפּעה אויף די פּלאַן. אָבער די טייפּס פון געשעפט רעקווירעמענץ זענען געוויינטלעך און פון קורס, לפּחות דורך יקספּיריאַנסט פּרויעקט פּלאַנערז און דיזיינערז.

עס איז געווען גענוג דעבאַטע וועגן OLAP טעקנאַלאַדזשיז און שטיצן, און אַ ברייט פאַרשיידנקייַט פון סאַלושאַנז זענען בנימצא. ביז איצט, מיר האָבן גערירט די נויט צו ברענגען צוזאַמען פּשוט רעפּאָרטינג מיט דימענשאַנאַל געשעפט רעקווירעמענץ, און ווי די רעקווירעמענץ האָבן פּראַל אויף טעכניש אַרקאַטעקטשער דיסיזשאַנז.

אָבער וואָס זענען די רעקווירעמענץ וואָס זענען נישט גרינג צו פֿאַרשטיין דורך יוזערז אָדער די Dw מאַנשאַפֿט? וועט איר אלץ דאַרפֿן ספּיישאַל אַנאַליסיס (ספּיטאַל אַנאַליסיס)?
די מיינינג מאָדעלס פון דאַטע וועט זיי זיין אַ נייטיק טייל פון דיין צוקונפֿט? ווער ווייסט?

עס איז וויכטיק צו טאָן אַז די טיפּ פון טעקנאַלאַדזשיז זענען נישט באַוווסט דורך די אַלגעמיינע באַניצער קהילות און DW מאַנשאַפֿט מיטגלידער, טייל מאָל דאָס קען זיין ווייַל זיי זענען טיפּיקלי כאַנדאַלד דורך עטלעכע ינערלעך אָדער דריט פּאַרטיי טעכניש עקספּערץ. דאָס איז דער הויפּט פאַל פון די פראבלעמען וואָס די טייפּס פון טעקנאַלאַדזשיז דזשענערייט. אויב יוזערז קענען נישט באַשרייַבן געשעפט באדערפענישן אָדער ראַם זיי צו צושטעלן גיידאַנס צו דיזיינערז, זיי קענען גיין אַננאָוטיסט אָדער, ערגער, פשוט איגנאָרירט.

עס ווערט מער פּראָבלעמאַטיק ווען די דיזיינער און דעוועלאָפּער קענען נישט דערקענען די אַפּלאַקיישאַן פון איינער פון די אַוואַנסירטע אָבער קריטיש טעקנאַלאַדזשיז.
ווי מיר האָבן אָפט געהערט די דיזיינערז זאָגן, "נו, וואָס טאָן מיר נישט שטעלן עס אַוועק ביז מיר באַקומען די אנדערע זאַך? "זענען זיי טאַקע אינטערעסירט אין פּרייאָראַטיז, אָדער טאָן זיי פשוט ויסמיידן רעקווירעמענץ וואָס זיי טאָן ניט פֿאַרשטיין? עס איז רובֿ מסתּמא די לעצטע האַשאָרע. זאל ס זאָגן דיין פארקויפונג מאַנשאַפֿט האט קאַמיונאַקייטיד אַ געשעפט פאָדערונג, ווי סטייטיד אין פיגורע 1.3, ווי איר קענען זען, די פאָדערונג איז פריימד אין די פאָרעם פון אַ געשעפט אַרויסגעבן. דער חילוק צווישן דעם פּראָבלעם און די טיפּיש דימענשאַנאַל פּראָבלעם איז דיסטאַנסע. אין דעם פאַל, די סאַלעס מאַנשאַפֿט וויל צו וויסן, אויף אַ כוידעשלעך יקער, די גאַנץ פארקויפונג פון פּראָדוקטן, ווערכאַוזיז און קאַסטאַמערז וואס וואוינען אין 5 מייל פון די ווערכאַוס ווו זיי קויפן.

צום באַדויערן, דיזיינערז אָדער אַרקאַטעקץ קענען פשוט איגנאָרירן די ספּיישאַל קאָמפּאָנענט דורך זאגן, "מיר האָבן די קונה, די פּראָדוקט און די דאַטע פון די אַוועקלייגן. זאל ס האַלטן אַוועק די ווייַטקייט ביז אן אנדער יטעראַטיאָן.

"פאַלש ענטפער. דעם טיפּ פון געשעפט פּראָבלעם איז אַלע וועגן BI. עס רעפּראַזענץ אַ דיפּער פארשטאנד פון אונדזער געשעפט און אַ שטאַרק אַנאַליסיס פּלאַץ פֿאַר אונדזער אַנאַליס. BI איז ווייַטער פון פּשוט קווערינג אָדער נאָרמאַל ריפּאָרטינג, אָדער אפילו OLAP. דאָס איז נישט צו זאָגן אַז די טעקנאַלאַדזשיז זענען נישט וויכטיק פֿאַר דיין BI, אָבער זיי ביי זיך טאָן ניט פאָרשטעלן די BI סוויווע.

פּלאַן פֿאַר אינפֿאָרמאַציע קאָנטעקסט (פּלאַן פֿאַר אינפֿאָרמאַציע אינהאַלט)

איצט אַז מיר האָבן יידענאַפייד די געשעפט באדערפענישן וואָס ויסטיילן פאַרשידן פונדאַמענטאַל קאַמפּאָונאַנץ, זיי מוזן זיין אַרייַנגערעכנט אין אַ קוילעלדיק אַרקאַטעקטשעראַל פּלאַן. עטלעכע פון ​​​​די BI קאַמפּאָונאַנץ זענען טייל פון אונדזער ערשט השתדלות, בשעת עטלעכע וועט נישט זיין ימפּלאַמענאַד פֿאַר עטלעכע חדשים.

אָבער, אַלע באַוווסט רעקווירעמענץ זענען שפיגלט אין די פּלאַן אַזוי אַז ווען מיר דאַרפֿן צו ינסטרומענט אַ באַזונדער טעכנאָלאָגיע, מיר זענען גרייט צו טאָן דאָס. עפּעס וועגן דעם פּרויעקט וועט פאַרטראַכטנ זיך טראדיציאנעלן טראכטן.

דעם גאַנג פון דאַטע איז געניצט צו שטיצן שפּעטער ניצט פון דאַטע דימענשאַנאַל גיידיד דורך די געשעפט ישוז וואָס מיר האָבן יידענאַפייד. ווי נאָך דאָקומענטן זענען דזשענערייטאַד, אַזאַ ווי די פּלאַן אַנטוויקלונג פון דאַטע, מיר וועלן אָנהייבן מיט פאָרמאַליזירן ווי איך דאַטע זיי פאַרשפּרייטן אין די סוויווע. מי ר האב ן זי ך פארשטאנע ן דע ם נויטיק ן פארשטעל ן אי דאַטע אין אַ דימענשאַנאַל וועג, דיוויידינג זיי (לויט צו ספּעציפיש ספּעציפיש באדערפענישן) אין דאַטן מאַרץ.

דער ווייַטער קשיא צו ענטפֿערן איז: ווי וועט די דאַטן מאַרץ זיין געבויט?
צי איר בויען די שטערן צו שטיצן די קיובז, אָדער נאָר קיובז, אָדער נאָר די שטערן? (אָדער רעכט קיובז, אָדער רעכט שטערן). דזשענערייט די אַרקאַטעקטשער פֿאַר אָפענגיק דאַטן מאַרץ וואָס דאַרפן אַן אַטאָמישע שיכטע פֿאַר אַלע דאַטע קריגט איר? לאָזן פרייַ דאַטן מאַרק צו קריגן י דאַטע גלייַך פֿון אָפּערייטינג סיסטעמען?

וואָס קובע טעכנאָלאָגיע וועט איר פּרובירן צו סטאַנדערדייז?

איר האָבן מאַסיוו קוואַנטאַטיז פון דאַטע פארלאנגט פֿאַר דימענשאַנאַל אַנאַליסיס אָדער טאָן איר דאַרפֿן קיובז פון דיין נאציאנאלע פארקויפונג קראַפט אויף אַ וואכנשריפט יקער אָדער ביידע? צי איר בויען אַ שטאַרק כייפעץ ווי DB2 OLAP סערווירער פֿאַר פינאַנצן אָדער קאָגנאָס פּאָווערפּלייַ קיובז פֿאַר דיין פארקויפונג אָרגאַניזאַציע אָדער ביידע? דאָס זענען די גרויס אַרקאַטעקטשעראַל פּלאַן דיסיזשאַנז וואָס וועט פּראַל אויף דיין BI סוויווע פאָרויס. יאָ, איר האָט יידענאַפייד אַ נויט פֿאַר OLAP. איצט ווי וועט איר דורכפירן דעם טיפּ פון טעכניק און טעכנאָלאָגיע?

ווי טאָן עטלעכע פון ​​​​די מער אַוואַנסירטע טעקנאַלאַדזשיז ווירקן דיין דיזיינז? לאָמיר יבערנעמען אַז איר האָט יידענאַפייד אַ ספּיישאַל נויט אין דיין אָרגאַניזאַציע. איצט איר האָבן צו צוריקרופן די אַרקאַטעקטשעראַל צייכענונג אויסגאבעס אפילו אויב איר טאָן ניט פּלאַן צו מאַכן ספּיישאַל קאַמפּאָונאַנץ פֿאַר עטלעכע חדשים. דער אַרכיטעקט מוזן פּלאַן הייַנט באזירט אויף וואָס איז דארף. אַנטיסאַפּייט די נויט פֿאַר ספּיישאַל אַנאַליסיס וואָס דזשענערייץ, סטאָרז, מיינטיינז און גיט אַקסעס צו דאַטע ספּיישאַל. דאָס אין קער זאָל דינען ווי אַ באַגרענעצונג וועגן די טיפּ פון ווייכווארג טעכנאָלאָגיע און פּלאַטפאָרמע ספּעסאַפאַקיישאַנז איר קענען איצט באַטראַכטן. פֿאַר בייַשפּיל, די אַדמיניסטראַציע סיסטעם פון דאַטן באַזע ריליישאַנאַל (RDBMS) אַז איר האַלטן פֿאַר דיין אַטאָמישע שיכטע מוזן האָבן אַ שטאַרק ספּיישאַל מאָס בנימצא. דאָס וואָלט ענשור מאַקסימום פאָרשטעלונג ווען איר נוצן דזשיאַמאַטרי און ספּיישאַל אַבדזשעקץ אין דיין אַנאַליסיס אַפּלאַקיישאַנז. אויב דיין RDBMS קען נישט שעפּן די דאַטע (ספּיטאַל-סענטריק) ינעווייניק, אַזוי איר וועט האָבן צו פאַרלייגן אַ דאַטן באַזע (רוים-צענטריש) פונדרויסנדיק. דאָס קאַמפּליקייץ די פאַרוואַלטונג פון ישוז און קאַמפּראַמייזיז דיין קוילעלדיק פאָרשטעלונג, ניט צו דערמאָנען די נאָך פּראָבלעמס באשאפן פֿאַר דיין DBAs, ווייַל זיי מיסטאָמע האָבן אַ מינימאַל פארשטאנד פון די באַסיקס פון דאַטע ספּיישאַל ווי געזונט. אויף די אנדערע האַנט, אויב דיין RDMBS מאָטאָר כאַנדאַלז אַלע ספּיישאַל קאַמפּאָונאַנץ און זיין אָפּטימיזער איז אַווער פון די ספּעציעל באדערפענישן (למשל, ינדעקסינג) פון ספּיישאַל אַבדזשעקץ, דיין DBAs קענען לייכט שעפּן פאַרוואַלטונג ישוז און איר קענען מאַקסאַמייז די פאָרשטעלונג.

אַדדיטיאָנאַללי, איר דאַרפֿן צו סטרויערן די סטאַגינג געגנט און אַטאָמישע סוויווע שיכטע צו אַרייַננעמען אַדרעס קלינאַפּ (אַ

שליסל עלעמענט צו ספּיישאַל אַנאַליסיס), ווי געזונט ווי די סאַבסאַקוואַנט שפּאָרן פון ספּיישאַל אַבדזשעקץ. די סאַקסעשאַן פון פּלאַן אויסגאבעס האלט איצט אַז מיר האָבן ינטראָודוסט דעם געדאַנק פון אַדרעס ריינקייַט. פֿאַר איין זאַך, די אַפּלאַקיישאַן וועט דיקטירן די טיפּ פון ווייכווארג איר דאַרפֿן פֿאַר דיין ETL מי.

צי איר דאַרפֿן פּראָדוקטן ווי טרילליום צו צושטעלן איר אַ ריין אַדרעס, אָדער אַן ETL פאַרקויפער פון דיין ברירה צו צושטעלן די פאַנגקשאַנאַליטי?
איצט עס איז וויכטיק אַז איר אָפּשאַצן די מדרגה פון פּלאַן וואָס מוזן זיין געענדיקט איידער איר אָנהייבן ימפּלאַמענינג דיין ווערכאַוס. די אויבן ביישפילן זאָל באַווייַזן די פילע פּלאַן דיסיזשאַנז וואָס מוזן נאָכפאָלגן די לעגיטימאַציע פון ​​קיין באַזונדער געשעפט פאָדערונג. אויב געמאכט ריכטיק, די פּלאַן דיסיזשאַנז העכערן ינטערדעפּענדענסע צווישן די גשמיות סטראַקטשערז פון דיין סוויווע, די סעלעקציע פון ​​​​טעכנאָלאָגיע געניצט און די לויפן פון פּראַפּאַגיישאַן פון אינפֿאָרמאַציע אינהאַלט. אָן דעם קאַנווענשאַנאַל BI אַרקאַטעקטשער, דיין אָרגאַניזאַציע וועט זיין אונטערטעניק צו אַ כאַאָטיש מישן פון יגזיסטינג טעקנאַלאַדזשיז, אין בעסטער לוסלי סטיטשט צוזאַמען צו צושטעלן קלאָר פעסטקייַט.

האַלטן אינפֿאָרמאַציע אינהאַלט

ברענגען די ווערט פון אינפֿאָרמאַציע צו דיין אָרגאַניזאַציע איז אַ זייער שווער אַרבעט. אָן גענוג פארשטאנד און דערפאַרונג, אָדער געהעריק ינזשעניעריע און פּלאַן, אפילו די בעסטער טימז וואָלט פאַרלאָזן. אויף די אנדערע האַנט, אויב איר האָט גרויס ינטוישאַן און דיטיילד פּלאַנירונג אָבער קיין דיסציפּלין פֿאַר דורכפירונג, איר האָט פּונקט וויסט דיין געלט און צייט ווייַל דיין מי איז דומד צו פאַרלאָזן. דער אָנזאָג זאָל זיין קלאָר: אויב איר פעלן איינער אָדער מער פון די סקילז, פארשטאנד / דערפאַרונג אָדער פּלאַנירונג / פּלאַן אָדער ימפּלאַמענטיישאַן דיסציפּלין, דאָס וועט פאַרקריפּלט אָדער צעשטערן די בנין פון די BI אָרגאַניזאַציע.

איז דיין מאַנשאַפֿט גענוג צוגעגרייט? איז עס ווער עס יז אין דיין BI מאַנשאַפֿט וואָס פארשטייט די וואַסט אַנאַליסיס לאַנדשאַפט בנימצא אין BI ינווייראַנמאַנץ, און די טעקניקס און טעקנאַלאַדזשיז דארף צו האַלטן די לאַנדשאַפט? איז עס עמעצער אין דיין מאַנשאַפֿט וואָס קענען דערקענען די אַפּלאַקיישאַן חילוק צווישן אַוואַנסירטע

סטאַטיק ריפּאָרטינג און OLAP, אָדער די דיפעראַנסיז צווישן ROLAP און OLAP? צי איינער פון דיין מאַנשאַפֿט מיטגלידער קלאר דערקענען ווי צו עקסטראַקט און ווי עס קען ווירקן די ווערכאַוס אָדער ווי די ווערכאַוס קענען שטיצן עקסטראַקט פאָרשטעלונג? א מאַנשאַפֿט מיטגליד פארשטייט די ווערט פון דאַטע פּלאַץ אָדער אַגענט-באזירט טעכנאָלאָגיע? צי איר האָבן עמעצער וואָס אַפּרישיייץ די יינציק מכשירים אַפּלאַקיישאַן פון ETL vs Message Broker טעכנאָלאָגיע? אויב איר טאָן ניט האָבן עס, באַקומען איינער. BI איז פיל ביגער ווי אַ נאָרמאַלייזד אַטאָמישע שיכטע, OLAP, שטערן סטשעמאַס און אַן ODS.

ווייל די פארשטאנד און דערפאַרונג צו דערקענען BI רעקווירעמענץ און זייער סאַלושאַנז איז יקערדיק פֿאַר דיין פיייקייט צו ריכטיק פאָרמאַליזירן באַניצער באדערפענישן און פּלאַן און ינסטרומענט זייער סאַלושאַנז. אויב דיין באַניצער קהל האט שוועריקייטן צו באַשרייַבן רעקווירעמענץ, עס איז צו די ווערכאַוס מאַנשאַפֿט צו צושטעלן דעם פארשטאנד. אבער אויב די מאַנשאַפֿט פון ווערכאַוס

קען נישט דערקענען די ספּעציפיש אַפּלאַקיישאַן פון BI - פֿאַר בייַשפּיל, דאַטן מיינינג - עס איז נישט בעסטער אַז BI ינווייראַנמאַנץ זענען אָפט לימיטעד צו זיין פּאַסיוו ריפּאַזאַטאָריז. אָבער, יגנאָרינג די טעקנאַלאַדזשיז טוט נישט פאַרמינערן זייער וויכטיקייט און די ווירקונג זיי האָבן אויף די ימערדזשאַנס פון געשעפט סייכל קייפּאַבילאַטיז פון דיין אָרגאַניזאַציע, ווי געזונט ווי די אינפֿאָרמאַציע אַסעט איר פּלאַן צו העכערן.

פּלאַנירונג מוזן אַרייַננעמען די געדאַנק פון צייכענונג, און ביידע דאַרפן אַ קאָמפּעטענט יחיד. אַדדיטיאָנאַללי, דיזיינינג ריקווייערז אַ מאַנשאַפֿט ווערכאַוס פילאָסאָפיע און אַדכיראַנס צו סטאַנדאַרדס. פֿאַר בייַשפּיל, אויב דיין פירמע האט געגרינדעט אַ נאָרמאַל פּלאַטפאָרמע אָדער האט יידענאַפייד אַ באַזונדער RDBMS וואָס איר ווילן צו סטאַנדערדייז איבער די פּלאַטפאָרמע, די אָנוס איז אויף אַלעמען אין די מאַנשאַפֿט צו אַדכיר צו די סטאַנדאַרדס. בכלל אַ מאַנשאַפֿט יקספּאָוזיז די נויט פֿאַר סטאַנדערדיזיישאַן (צו באַניצער קהילות), אָבער די מאַנשאַפֿט זיך איז נישט גרייט צו אַדכיר צו סטאַנדאַרדס אויך געגרינדעט אין אנדערע געביטן אין די פירמע אָדער טאָמער אפילו אין ענלעך קאָמפּאַניעס. דאָס איז ניט בלויז כיפּאַקריטיקאַל, אָבער עס יסטאַבלישיז אַז די פירמע איז ניט ביכולת צו עקספּלויטינג יגזיסטינג רעסורסן און ינוועסטמאַנץ. עס טוט נישט מיינען אַז עס זענען נישט סיטואַטיאָנס וואָס באַרעכטיקן אַ ניט-סטאַנדערדייזד פּלאַטפאָרמע אָדער טעכנאָלאָגיע; אָבער, די ווערכאַוס השתדלות

זיי זאָל קנאה היטן די סטאַנדאַרדס פון די פאַרנעמונג ביז געשעפט באדערפענישן דיקטירן אַנדערש.

די דריט שליסל קאָמפּאָנענט דארף צו בויען אַ BI אָרגאַניזאַציע איז דיסציפּלין.
עס דעפּענדס אין גאַנץ, גלייַך אויף יחידים און די סוויווע. פּראָיעקט פּלאַנערז, ספּאָנסאָרס, אַרקאַטעקץ און יוזערז מוזן אָפּשאַצן די דיסציפּלין נייטיק צו בויען די פירמע 'ס אינפֿאָרמאַציע לאַנדשאַפט. דיזיינערז מוזן אָנפירן זייער פּלאַן השתדלות אין אַזאַ אַ וועג צו דערגאַנג אנדערע נייטיק השתדלות אין דער געזעלשאַפט.

פֿאַר בייַשפּיל, לאָזן ס זאָגן דיין פירמע בויען אַן ERP אַפּלאַקיישאַן וואָס האט אַ ווערכאַוס קאָמפּאָנענט.
דעריבער עס איז די פֿאַראַנטוואָרטלעכקייט פון די ERP דיזיינערז צו מיטאַרבעטן מיט די ווערכאַוס סוויווע מאַנשאַפֿט אַזוי נישט צו קאָנקורירן אָדער דופּליקאַט אַרבעט שוין אנגעהויבן.

דיסציפּלין איז אויך אַ טעמע וואָס מוזן זיין גערעדט דורך די גאנצע אָרגאַניזאַציע און איז יוזשאַוואַלי געגרינדעט און ענטראַסטיד צו אַן יגזעקיאַטיוו מדרגה.
זענען מאַנאַדזשערז גרייט צו אַדכיר צו אַ דיזיינד צוגאַנג? אַ צוגאַנג וואָס הבטחות צו שאַפֿן אינפֿאָרמאַציע אינהאַלט וואָס לעסאָף וועט ברענגען ווערט צו אַלע געביטן פון דער פאַרנעמונג, אָבער טאָמער קאַמפּראַמייזיז יחיד אָדער דעפּאַרטמענטאַל אַגענדאַ? געדענקט די זאגן "טראַכטן וועגן אַלץ איז מער וויכטיק ווי טראכטן וועגן בלויז איין זאַך". דעם זאגן איז אמת פֿאַר BI אָרגאַנאַזיישאַנז.

צום באַדויערן, פילע ווערכאַוזיז פאָקוס זייער השתדלות אויף טריינג צו ציל און צושטעלן ווערט צו אַ באַזונדער אָפּטיילונג אָדער ספּעציפיש ניצערס, מיט קליין אַכטונג צו דער אָרגאַניזאַציע אין גרויס. רעכן דער פאַרוואַלטער ריקוועס הילף פון די ווערכאַוס מאַנשאַפֿט. די מאַנשאַפֿט ריספּאַנדז מיט אַ 90-טאָג מי וואָס כולל ניט בלויז דיליווערינג די אָנזאָג רעקווירעמענץ דיפיינד דורך די יגזעקיאַטיוו, אָבער ינשורינג אַז אַלע דאַטע באַזע זענען געמישט אין די אַטאָמישע מדרגה איידער זיי באַקענענ אין די פארגעלייגט קוב טעכנאָלאָגיע.
דעם ינזשעניעריע אַדישאַן ינשורז אַז די ווערכאַוס פאַרנעמונג וועט נוץ פון די דאַטע דארף דער מנהל.
אָבער, די יגזעקיאַטיוו האָט גערעדט מיט דרויסנדיק קאַנסאַלטינג פירמס וואָס פארגעלייגט אַ ענלעך אַפּלאַקיישאַן מיט עקספּרעס אין ווייניקער ווי 4 וואָכן.

אַסומינג די ינערלעך ווערכאַוס מאַנשאַפֿט איז קאָמפּעטענט, די יגזעקיאַטיוו האט אַ ברירה. ווער קענען שטיצן די נאָך ינזשעניעריע דיסציפּלין דארף צו וואַקסן די פאַרנעמונג אינפֿאָרמאַציע אַסעט אָדער קענען קלייַבן צו בויען זייער אייגענע לייזונג געשווינד. די לעצטע מיינט צו זיין אויסדערוויילט פיל צו אָפט און בלויז דינען צו שאַפֿן קאַנטיינערז פון אינפֿאָרמאַציע וואָס נוץ אַ ביסל אָדער דעם יחיד.

קורץ און לאַנג טערמין צילן

אַרקאַטעקץ און פּרויעקט פּלאַנערז מוזן פאָרמאַליזירן אַ לאַנג-טערמין זעאונג פון די קוילעלדיק אַרקאַטעקטשער און פּלאַנז פֿאַר גראָוינג אַ BI אָרגאַניזאַציע. די קאָמבינאַציע פון ​​קורץ-טערמין געווינען און לאַנג-טערמין פּלאַנירונג זענען די צוויי זייטן פון BI השתדלות. קורץ לויפן רעוועך איז די פאַסעט פון BI וואָס איז פארבונדן מיט יטעריישאַנז פון דיין ווערכאַוס.

דאָס איז ווו פּלאַנערז, אַרקאַטעקץ און ספּאָנסאָרס פאָקוס אויף באַגעגעניש ספּעציפיש געשעפט רעקווירעמענץ. עס איז אויף דעם מדרגה ווו גשמיות סטראַקטשערז זענען געבויט, טעכנאָלאָגיע איז פּערטשאַסט און טעקניקס זענען ימפּלאַמענאַד. זיי זענען אין קיין מיטל געמאכט צו אַדרעס ספּעציפיש רעקווירעמענץ ווי דיפיינד דורך באַזונדער באַניצער קהילות. אַלץ איז געטאן אין סדר צו אַדרעס ספּעציפיש באדערפענישן דיפיינד דורך אַ באַזונדער קהל.
לאנג-טערמין פּלאַנירונג, אָבער, איז די אנדערע פאַסעט פון BI. דאָס איז ווו די פּלאַנז און דיזיינז ינשורד אַז קיין גשמיות סטרוקטור איז געבויט, די טעקנאַלאַדזשיז אויסגעקליבן און די ימפּלאַמענאַד טעקניקס געמאכט מיט אַן אויג צו די פאַרנעמונג. עס איז לאַנג-טערמין פּלאַנירונג וואָס גיט די קאָוכיזשאַן דארף צו ענשור אַז געשעפט בענעפיץ קומען פון קיין קורץ-טערמין גיינז געפֿונען.

באַרעכטיקן דיין BI מי

Un data warehouse אליין האט עס נישט קיין שום איינגעבארענע ווערט. אין אנדערע ווערטער, עס איז קיין טאָכיק ווערט צווישן ווערכאַוס טעקנאַלאַדזשיז און ימפּלאַמענטיישאַן טעקניקס.

די ווערט פון קיין ווערכאַוס מי איז געפֿונען אין די אַקשאַנז געטאן ווי אַ רעזולטאַט פון די ווערכאַוס סוויווע און אינפֿאָרמאַציע אינהאַלט קאַלטאַווייטאַד איבער צייַט. דאָס איז אַ קריטיש פונט צו פֿאַרשטיין איידער איר פּרווון צו אָפּשאַצן די ווערט פון קיין וווהאָוסע איניציאטיוו.

צו אָפט, אַרקאַטעקץ און פּלאַנערז פּרווון צו צולייגן ווערט צו די גשמיות און טעכניש קאַמפּאָונאַנץ פון די ווערכאַוס ווען אין פאַקט די ווערט איז גראָונדעד אין די געשעפט פּראַסעסאַז וואָס זענען דורכויס ימפּאַקטיד דורך די ווערכאַוס און געזונט קאַפּטשערד אינפֿאָרמאַציע.

דאָ ליגט די אַרויסרופן צו גרינדן BI: ווי טאָן איר באַרעכטיקן די ינוועסמאַנט? אויב די ווועהאָוסע זיך האט קיין ינטרינסיק ווערט, פּרויעקט דיזיינערז מוזן פאָרשן, דעפינירן און פאָרמאַליזירן די בענעפיץ אַטשיווד דורך יענע מענטשן וואָס וועלן נוצן די ווערכאַוס צו פֿאַרבעסערן ספּעציפיש געשעפט פּראַסעסאַז אָדער די ווערט פון פּראָטעקטעד אינפֿאָרמאַציע אָדער ביידע.

צו קאָמפּליצירן ענינים, קיין געשעפט פּראָצעס אַפעקטאַד דורך ווערכאַוס השתדלות קען צושטעלן "היפּש" אָדער "מילד" בענעפיץ. באַטייטיק בענעפיץ צושטעלן אַ מאַמאָשעסדיק מעטריק פֿאַר מעסטן צוריקקער אויף ינוועסמאַנט (ראָי) - פֿאַר בייַשפּיל, קער איבער ינוואַנטאָרי אַ נאָך צייט בעשאַס אַ ספּעציפיש צייט אָדער פֿאַר נידעריקער קאָס פון טראַנספּערטיישאַן פּער טראַנספּאָרט. עס איז מער שווער צו דעפינירן סאַטאַל בענעפיץ, אַזאַ ווי ימפּרוווד אַקסעס צו אינפֿאָרמאַציע, אין טערמינען פון מאַמאָשעסדיק ווערט.

פאַרבינדן דיין פּרויעקט צו וויסן די געשעפט ריקוועס

צו אָפט, פּרויעקט פּלאַנערז פּרווון צו פאַרבינדן ווערכאַוס ווערט מיט אַמאָרפאַס פאַרנעמונג גאָולז. דורך דערקלערן אַז "די ווערט פון אַ ווערכאַוס איז באזירט אויף אונדזער פיייקייַט צו באַפרידיקן סטראַטידזשיק ריקוועס" מיר עפענען די דיסקוסיע אויף אַ אָנגענעם וועג. אָבער דאָס אַליין איז נישט גענוג צו באַשליסן צי ינוועסטינג אין די ווערכאַוס מאכט זינען. עס איז בעסטער צו פאַרבינדן ווערכאַוס רעפּס מיט ספּעציפיש געשעפט ינקוועריז און הערות.

מעסטן ROI

קאַלקולייטינג ראָי אין אַ ווערכאַוס באַשטעטיקן קען זיין דער הויפּט שווער. עס איז ספּעציעל שווער אויב די פירן

פון אַ באַזונדער יבערכאַזערונג איז עפּעס ימפּאַטאַבאַל אָדער גרינג צו מעסטן. איין לערנען געפונען אַז יוזערז זע די צוויי הויפּט בענעפיץ פון BI ינישאַטיווז:

• ▪ שאַפֿן די פיייקייַט צו מאַכן דיסיזשאַנז
• ▪ שאַפֿן אַקסעס צו אינפֿאָרמאַציע
  די בענעפיץ זענען ווייך (אָדער מילד) בענעפיץ. עס איז גרינג צו זען ווי מיר קענען רעכענען אַ ROI באזירט אויף אַ שווער (אָדער הויפּט) נוץ ווי רידוסט טראַנספּערטיישאַן קאָס, אָבער ווי מעסטן מיר די פיייקייט צו מאַכן בעסער דיסיזשאַנז?
  דאָס איז באשטימט אַ אַרויסרופן פֿאַר פּרויעקט פּלאַנערז ווען זיי זענען טריינג צו איבערצייגן די פירמע צו ינוועסטירן אין אַ באַזונדער ווערכאַוס מי. ינקרעאַסינג פארקויפונג אָדער דיקליינינג קאָס זענען ניט מער די הויפט טעמעס וואָס פירן די BI סוויווע.
  אַנשטאָט, איר זוכט צו געשעפט ריקוועס פֿאַר בעסער אַקסעס צו אינפֿאָרמאַציע אַזוי אַז אַ באַזונדער אָפּטיילונג קענען מאַכן דיסיזשאַנז פאַסטער. דאָס זענען סטראַטידזשיק דריווערס וואָס זענען גלייַך וויכטיק פֿאַר די פאַרנעמונג, אָבער זענען מער אַמביגיואַס און שווער צו כאַראַקטעריזירן אין אַ מאַמאָשעסדיק מעטריק. אין דעם פאַל, קאַלקיאַלייטינג ROI קען זיין מיסלידינג, אויב נישט ירעלאַוואַנט.
  פּראָיעקט פּלאַנערז מוזן זיין ביכולת צו באַווייַזן מאַמאָשעסדיק ווערט פֿאַר יגזעקיאַטיווז צו באַשליסן צי די ינוועסמאַנט אין אַ באַזונדער יטעראַטיאָן איז ווערט עס. אָבער, מיר וועלן נישט פאָרשלאָגן אַ נייַע אופֿן פֿאַר קאַלקיאַלייטינג ROI, און מיר וועלן נישט מאַכן קיין טענות פֿאַר אָדער קעגן.
  עס זענען פילע אַרטיקלען און ביכער בנימצא וואָס דיסקוטירן די פאַנדאַמענטאַלז פון קאַלקיאַלייטינג ROI. עס זענען ספּעציעל ווערט פּראַפּאָוזאַלז אַזאַ ווי ווערט אויף ינוועסטינג (VOI), געפֿינט דורך גרופּעס ווי Gartner, וואָס איר קענען פאָרשונג. אַנשטאָט, מיר וועלן פאָקוס אויף האַרץ אַספּעקץ פון קיין ROI אָדער אנדערע ווערט פּראַפּאָוזאַלז איר דאַרפֿן צו באַטראַכטן. אַפּלייינג ראָי ווייַטער פון די אַרגומענט וועגן "שווער" בענעפיץ קעגן "ווייך" בענעפיץ פֿאַרבונדן מיט BI השתדלות, עס זענען אנדערע ישוז צו באַטראַכטן ווען אַפּלייינג ROI. למשל:

אַטריביוט צו פילע סייווינגז צו DW השתדלות וואָס וואָלט קומען סייַ ווי סייַ
זאל ס זאָגן דיין פירמע אריבערגעפארן פון אַ מיינפריים אַרקאַטעקטשער צו אַ פונאנדערגעטיילט UNIX סוויווע. אַזוי קיין סייווינגז וואָס קען (אָדער קען נישט) זיין איינגעזען פון די מי זאָל ניט זיין אַטריביאַטאַד אויסשליסלעך, אויב אין אַלע (?), צו די ווערכאַוס.

ניט אַקאַונטינג פֿאַר אַלץ איז טייַער. און עס זענען פילע זאכן צו נעמען אין חשבון. באַטראַכטן די פאלגענדע רשימה:

• ▪ קאָסטן פון אָנהייב-אַרויף, אַרייַנגערעכנט פיזאַבילאַטי.
• ▪ קאָס פון דעדאַקייטאַד ייַזנוואַרג מיט פֿאַרבונדן סטאָרידזש און קאָמוניקאַציע
• ▪ פּרייַז פון די ווייכווארג, אַרייַנגערעכנט פאַרוואַלטונג פון דאַטע און קליענט / סערווער יקסטענשאַנז, ETL ווייכווארג, DSS טעקנאַלאַדזשיז, וויזשוואַלאַזיישאַן מכשירים, סקעדזשולינג און וואָרקפלאָוו אַפּלאַקיישאַנז, און מאָניטאָרינג ווייכווארג.
• ▪ סטרוקטור פּלאַן קאָס דאַטע, מיט די שאַפונג און אַפּטאַמאַזיישאַן פון
• ▪ ווייכווארג אַנטוויקלונג קאָס גלייַך פארבונדן מיט די בי מי
• ▪ קאָס פון שטיצן אויף פּלאַץ, אַרייַנגערעכנט פאָרשטעלונג אַפּטאַמאַזיישאַן, אַרייַנגערעכנט ווייכווארג ווערסיע קאָנטראָל און הילף אַפּעריישאַנז צולייגן "ביג-באַנג" ראָי. בנין די ווערכאַוס ווי אַ איין, דזשייגאַנטיק מי איז דומד צו פאַרלאָזן, אַזוי אפילו רעכענען די ROI פֿאַר אַ גרויס-ענטערפּרייז איניציאטיוו. די פאָרשלאָג איז חידוש, און פּלאַנערז פאָרזעצן צו מאַכן שוואַך פרווון צו אָפּשאַצן די ווערט פון די גאנצע מי. פארוואס טאָן פּלאַנערז פּרובירן צו שטעלן אַ געלטיק ווערט אויף די געשעפט איניציאטיוו אויב עס איז וויידלי באקאנט און אנגענומען אַז עס איז שווער צו אָפּשאַצן ספּעציפיש רעפּאַטישאַנז? ווי איז עס מעגלעך? עס איז ניט מעגלעך מיט ווייניק אויסנעמען. טאָן ניט טאָן עס. איצט אַז מיר האָבן געגרינדעט וואָס ניט צו טאָן ווען קאַלקיאַלייטינג ROI, דאָ זענען אַ ביסל פונקטן וואָס וועט העלפֿן אונדז צו גרינדן אַ פאַרלאָזלעך פּראָצעס פֿאַר אָפּשאַצן די ווערט פון דיין BI השתדלות.

באַקומען ROI קאָנסענסוס. רעגאַרדלעסס פון דיין ברירה פון טעכניק צו אָפּשאַצן די ווערט פון דיין BI השתדלות, עס מוזן זיין מסכים דורך אַלע פּאַרטיעס, אַרייַנגערעכנט פּרויעקט פּלאַנערז, ספּאָנסאָרס און פֿירמע יגזעקיאַטיווז.

ברעכן ROI אין יידענאַפייד טיילן. א נויטיק שריט צו אַ גלייַך ROI כעזשבן איז צו פאָקוס דעם כעזשבן אויף אַ ספּעציפיש פּרויעקט. דאָס אַלאַוז איר צו אָפּשאַצן אַ ווערט באזירט אויף ספּעציפיש געשעפט רעקווירעמענץ וואָס זענען באגעגנט

דעפינירן די קאָס. ווי דערמאנט, פילע קאָס מוזן זיין קאַנסידערד. דערצו, קאָס מוזן אַרייַננעמען ניט בלויז די פארבונדן מיט די איין יטעראַטיאָן, אָבער אויך די קאָס פֿאַרבונדן מיט ינשורינג העסקעם סטאַנדאַרדס.

דעפינירן בענעפיץ. דורך קלאר פֿאַרבינדונג ROI צו ספּעציפיש געשעפט רעקווירעמענץ, מיר זאָל קענען צו ידענטיפיצירן די בענעפיץ וואָס וועט פירן צו טרעפן די רעקווירעמענץ.

רעדוצירן קאָס און בענעפיץ אין אָט-אָט גיינז. דאָס איז דער בעסטער וועג צו באַזע דיין וואַליויישאַנז אויף נעץ פאָרשטעלן ווערט (NPV) ווי קעגן צו פּרובירן צו פאָרויסזאָגן צוקונפֿט ווערט אין צוקונפֿט פאַרדינסט.

האַלטן די צייט צו שפּאַלטן דיין ROI צו אַ מינימום. עס איז געזונט דאַקיומענטאַד אין די לאַנג לויפן עס איז געניצט אין דיין ראָי.

ניצן מער ווי איין ראָי פאָרמולע. עס זענען פילע מעטהאָדס פֿאַר פּרידיקטינג ראָי, און איר זאָל פּלאַן צו נוצן איינער אָדער מער פון זיי, אַרייַנגערעכנט נעץ פאָרשטעלן ווערט, ינערלעך קורס פון צוריקקער (IRR) און פּייבאַק.

דעפינירן ריפּיטאַבאַל פּראָצעס. דאָס איז קריטיש פֿאַר קאַלקיאַלייטינג קיין לאַנג-טערמין ווערט. א איין ריפּיטאַבאַל פּראָצעס זאָל זיין דאַקיומענטאַד פֿאַר אַלע סאַבסאַקוואַנט סאַב-סיקוואַנסיז פון די פּרויעקט.

די ליסטעד פראבלעמען זענען די מערסט פּראָסט דיפיינד דורך עקספּערץ אין די ווערכאַוס סוויווע. די ינסיסטאַנס פון פאַרוואַלטונג צו צושטעלן אַ "ביג-באַנג" ראָי איז זייער דיסאָריענטינג. אויב איר אָנהייבן אַלע דיין ROI חשבונות דורך ברייקינג זיי אַראָפּ אין יידענאַפייד, מאַמאָשעסדיק ברעקלעך, איר האָבן אַ גוטע געלעגנהייט צו אָפּשאַצן אַן פּינטלעך ROI שאַץ.

פֿראגן וועגן ROI בענעפיץ

וועלכער דיין בענעפיץ זענען, ווייך אָדער שווער, איר קענען נוצן עטלעכע יקערדיק פֿראגן צו באַשליסן זייער ווערט. פֿאַר בייַשפּיל, מיט אַ פּשוט וואָג סיסטעם, פֿון 1 צו 10, איר קענען מעסטן די פּראַל פון קיין מי מיט די פאלגענדע פֿראגן:

• ווי וואָלט איר אָפּשאַצן פארשטאנד פון דאַטע נאָך דעם פּרויעקט פון דיין פירמע?
• ווי וואָלט איר אָפּשאַצן די פּראָצעס ימפּרווומאַנץ ווי אַ רעזולטאַט פון דעם פּרויעקט?
• ווי וואָלט איר מעסטן די פּראַל פון נייַע ינסייץ און ינפעראַנסאַז איצט בנימצא דורך דעם יטעראַטיאָן
• וואָס איז געווען די פּראַל פון נייַע און בעסער קאָמפּיוטער ינווייראַנמאַנץ ווי אַ רעזולטאַט פון וואָס איז געלערנט? אויב די ענטפֿערס צו די פֿראגן זענען ווייניק, עס איז מעגלעך אַז די פאַרנעמונג איז נישט ווערט די ינוועסמאַנט. הויך-סקאָרינג פֿראגן פונט צו באַטייַטיק ווערט גיינז און זאָל דינען ווי גוידעס פֿאַר ווייַטער ויספאָרשונג. פֿאַר בייַשפּיל, אַ הויך כעזשבן פֿאַר פּראָצעס ימפּרווומאַנץ זאָל פירן דיזיינערז צו ונטערזוכן ווי פּראַסעסאַז האָבן שוין ימפּרוווד. איר קען געפֿינען אַז עטלעכע אָדער אַלע פון ​​​​די גיינז זענען מאַמאָשעסדיק און דעריבער אַ געלטיק ווערט קענען זיין לייכט געווענדט. באַקומען די מערסט אויס פון דער ערשטער יטעראַטיאָן פון די וואַרעהאָוסע די גרעסטע רעזולטאַט פון דיין פאַרנעמונג מי איז אָפט אין דער ערשטער ביסל יטעריישאַנז. די פרי השתדלות טראַדישאַנאַלי פאַרלייגן די מערסט נוציק אינפֿאָרמאַציע אינהאַלט פֿאַר דעם ציבור און העלפֿן פאַרלייגן די טעכנאָלאָגיע יסוד פֿאַר סאַבסאַקוואַנט BI אַפּלאַקיישאַנז. וסואַללי יעדער סאַבסאַקוואַנט סאַבסאַקוואַנט פון דאַטע פון ווערכאַוס פּראַדזשעקס ברענגען ווייניקער און ווייניקער נאָך ווערט צו די פאַרנעמונג ווי אַ גאַנץ. דאָס איז ספּעציעל אמת אויב די יטעריישאַן טוט נישט לייגן נייַע טעמעס אָדער טרעפן די באדערפענישן פון אַ נייַע באַניצער קהל.

דעם סטאָרינג שטריך אויך אַפּלייז צו גראָוינג סטאַקס פון דאַטע היסטאָריקער. ווי סאַבסאַקוואַנט השתדלות דאַרפן מער דאַטע און ווי מער דאַטע זענען אויסגעגאסן אין די ווערכאַוס איבער צייַט, רובֿ פון די דאַטע עס ווערט ווייניקער באַטייַטיק צו די אַנאַליסיס געניצט. די דאַטע זיי זענען אָפט גערופן דאַטע דאָרמאַנט און עס איז שטענדיק טייַער צו האַלטן זיי ווייַל זיי זענען כּמעט קיינמאָל געניצט.

וואָס טוט דאָס מיינען פֿאַר פּרויעקט ספּאָנסאָרס? יסענשאַלי, פרי ספּאָנסאָרס טיילן מער ווי וואָס די ינוועסמאַנט קאָס. דאָס איז ערשטיק ווייַל זיי זענען די ימפּאַטאַס פֿאַר גרינדן די ווערכאַוס ס ברייט טעכנאָלאָגיע און מיטל סוויווע שיכטע, אַרייַנגערעכנט אָרגאַניק.

אבער די ערשטער סטעפּס האָבן די גרעסטע ווערט און דעריבער פּרויעקט פּלאַנערז אָפט האָבן צו באַרעכטיקן די ינוועסמאַנט.
פּראַדזשעקס געטאן נאָך דיין BI איניציאטיוו קען האָבן נידעריקער (קאַמפּערד צו דער ערשטער) און דירעקט קאָס, אָבער ברענגען ווייניקער ווערט צו די פאַרנעמונג.

און די אָונערז פון די אָרגאַניזאַציע דאַרפֿן צו נעמען אין חשבון צו וואַרפן די בילד דאַטע און ווייניקער באַטייַטיק טעקנאַלאַדזשיז.

דאַטאַ מינינג: עקסטראַקטיאָן דאַטן

פילע אַרקאַטעקטשעראַל קאַמפּאָונאַנץ דאַרפן ווערייישאַנז אין דאַטן מיינינג טעקנאַלאַדזשיז און טעקניקס -
פֿאַר בייַשפּיל, די פאַרשידענע "אַגענץ" פֿאַר יגזאַמאַנד די פונקטן פון אינטערעס פון די קאַסטאַמערז, די פירמע 'ס אָפּערייטינג סיסטעמען און פֿאַר די זעלבע דוו. די אגענטן קענען זיין אַוואַנסירטע נעוראַל נעטוואָרקס טריינד אויף טאָפּ טרענדס, אַזאַ ווי צוקונפֿט פּראָדוקט פאָדערונג באזירט אויף פארקויפונג פּערמאָושאַנז; כּללים-באזירט ענדזשאַנז פֿאַר ריאַקטינג צו אַ גאַנג dato פון צושטאנדן, למשל, מעדיציניש דיאַגנאָסיס און באַהאַנדלונג רעקאַמאַנדיישאַנז; אָדער אפילו פּשוט אגענטן מיט די ראָלע פון ​​ריפּאָרטינג אויסנעמען צו שפּיץ יגזעקיאַטיווז. בכלל די יקסטראַקשאַן פּראַסעסאַז דאַטע si

באַשטעטיקן אין פאַקטיש צייט; דעריבע ר דארפ ן ז ײ זי ך אינגאנצ ן פאראײניק ן מי ט דע ר באװעגונ ג פו ן דאַטע סטעססי.

אָנליין אַנאַליסיס פּראַסעסינג

אָנליין אַנאַליטיקס

די פיייקייט צו רעפטל, ביינדלעך, זעמל, בויער אַראָפּ און דורכפירן אַנאַליסיס
וואָס-אויב, איז אין די פאַרנעם, די פאַרנעם פון די IBM טעכנאָלאָגיע סוויט. פֿאַר בייַשפּיל, אָנליין אַנאַליסיס פּראַסעסינג (OLAP) פאַנגקשאַנז עקסיסטירן פֿאַר DB2 וואָס ברענגט דימענשאַנאַל אַנאַליסיס אין די מאָטאָר דאַטאַבייס זעלבע .

די פאַנגקשאַנז לייגן דימענשאַנאַל נוצן צו SQL בשעת איר נוצן אַלע די בענעפיץ פון אַ נאַטירלעך טייל פון DB2. אן אנדער ביישפּיל פון OLAP ינאַגריישאַן איז די יקסטראַקשאַן געצייַג, DB2 OLAP Server Analyzer. די טעכנאָלאָגיע אַלאַוז DB2 OLAP סערווירער קיובז צו זיין סקאַנד געשווינד און אויטאָמאַטיש צו געפֿינען און באַריכט די וואַלועס פון דאַטע ומגעוויינטלעך אָדער אומגעריכט פֿאַר קיין קוב צו די טריידינג אַנאַליסט. און לעסאָף, DW Center פֿעיִקייטן צושטעלן אַ מיטל פֿאַר אַרקאַטעקץ צו קאָנטראָלירן, צווישן אנדערע, די פּראָפיל פון אַ DB2 OLAP סערווער קוב ווי אַ נאַטירלעך טייל פון ETL פּראַסעסאַז.

ספּיישאַל אַנאַליסיס ספּיישאַל אַנאַליסיס

ספעיס רעפּראַזענץ האַלב פון די אַנאַליסיס אַנגקערז (קאַנדאַקיישאַנז) נייטיק פֿאַר אַ פּאַנאָראַמאַ
ברייט אַנאַליטיקאַל (צייט רעפּראַזענץ די אנדערע העלפט). די אַטאָמישע מדרגה פון די ווערכאַוס, רעפּריזענטיד אין פיגורע 1.1, כולל די יסודות פֿאַר צייט און פּלאַץ. צייט סטאַמפּס אַנקער אַנאַליזעס דורך צייט און אַדרעס אַנקער אַנאַליזעס דורך פּלאַץ. טיימסטאַמפּס פירן די אַנאַליסיס דורך צייט, און אַדרעס אינפֿאָרמאַציע קאַנדאַקץ די אַנאַליסיס דורך פּלאַץ. די דיאַגראַמע ווייזט געאָקאָדינג - דער פּראָצעס פון קאַנווערטינג אַדרעסעס צו ווייזט אין אַ מאַפּע אָדער פונט אין פּלאַץ אַזוי אַז קאַנסעפּס ווי דיסטאַנסע און אינעווייניק / אַרויס קענען זיין געוויינט אין די אַנאַליסיס - געפירט אויף די אַטאָמישע מדרגה און ספּיישאַל אַנאַליסיס איז בארעכטיגט צו דער אַנאַליסט. יבם גיט ספּיישאַל יקסטענשאַנז, דעוועלאָפּעד מיט די ענוויראָנמענטאַל סיסטעם פאָרשונג אינסטיטוט (ESRI), על דאַטאַבייס DB2 אַזוי אַז פּלאַץ אַבדזשעקץ קענען זיין סטאָרד ווי אַ נאָרמאַל טייל פון די דאַטאַבייס ריליישאַנאַל. DB2

ספּיישאַל עקסטענדערס, אויך צושטעלן אַלע די SQL יקסטענשאַנז צו נוצן ספּיישאַל אַנאַליסיס. פֿאַר בייַשפּיל, די SQL יקסטענשאַנז צו אָנפֿרעג אויף
די דיסטאַנסע צווישן אַדרעסעס אָדער צי אַ פונט איז ין אָדער אַרויס אַ דיפיינד פּאָליגאָנאַל געגנט, זענען אַן אַנאַליטיש נאָרמאַל מיט די ספּיישאַל עקסטענדער. זען קאַפּיטל 16 פֿאַר מער אינפֿאָרמאַציע.

דאַטאַבאַסע- רעסידענט מכשירים מכשירים דאַטאַבאַסע— איינוואוינער

DB2 האט פילע SQL BI-טוישעוו פֿעיִקייטן וואָס אַרוישעלפן אין די פּאַרסינג קאַמף. די אַרייַננעמען:

• רעקורסיאָן פאַנגקשאַנז צו דורכפירן אַנאַליסיס, אַזאַ ווי "געפֿינען אַלע מעגלעך פלי פּאַטס פֿון סאַן פֿראַנסיסקאָ a New York".
• אַנאַליטיש פאַנגקשאַנז פֿאַר ראַנג, קיומיאַלאַטיוו, קוב און ראָולופּ פאַנגקשאַנז צו פאַסילאַטייט טאַסקס וואָס נאָרמאַלי בלויז פאַלן מיט OLAP טעכנאָלאָגיע, זענען איצט אַ נאַטירלעך טייל פון די מאָטאָר דאַטאַבייס
• די פיייקייט צו שאַפֿן טישן וואָס אַנטהאַלטן רעזולטאַטן
  די סעלערז פון דאַטאַבייס פירער מישן מער פון BI קייפּאַבילאַטיז אין די דאַטאַבייס סטעסאָו.
  די הויפּט סאַפּלייערז פון דאַטן באַזע זיי זענען מיקסינג מער פון BI פֿעיִקייטן אין די דאַטאַבייס סטעסאָו.
  דאָס גיט בעסער פאָרשטעלונג און מער דורכפירונג אָפּציעס פֿאַר BI סאַלושאַנז.
  די פֿעיִקייטן און פאַנגקשאַנז פון DB2 V8 זענען דיסקאַסט אין דעטאַל אין די פאלגענדע קאפיטלען:
  טעכניש אַרקאַטעקטשער און דאַטאַ מאַנאַגעמענט יסודות (טשאַפּטער 5)

• DB2 BI פונדאַמענטאַלס ​​(טשאַפּטער 6)
• DB2 מאַטעריאַליזעד אָנפֿרעג טאַבלעס (טשאַפּטער 7)
• DB2 OLAP פאַנגקשאַנז (קאַפּיטל 13)
• DB2 Enhanced BI פֿעיִקייטן און פאַנגקשאַנז (קאַפּיטל 15) סימפּליפיעד דאַטאַ דעליווערי סיסטעם עקספּרעס סיסטעם פון דאַטע סימפּלאַפייד

די אַרקאַטעקטשער דיפּיקטיד אין פיגורע 1.1 כולל פילע סטראַקטשערז דאַטע פיזיש. איינער איז די ווערכאַוס פון דאַטע אַפּערייטינג. אין אַלגעמיין, אַן ODS איז אַ ונטערטעניק אָריענטיד, ינאַגרייטיד און קראַנט כייפעץ. איר וואָלט בויען אַן ODS צו שטיצן, למשל, די פארקויפונג אָפיס. ODS פארקויפונג וואָלט העסאָפע דאַטע פֿון פילע פאַרשידענע סיסטעמען אָבער וואָלט נאָר האַלטן, למשל, הייַנט ס טראַנזאַקשאַנז. די ODS קענען אויך זיין דערהייַנטיקט פילע מאָל פּער טאָג. סיימאַלטייניאַסלי, די פּראַסעסאַז שטופּן י דאַטע ינאַגרייטיד אין אנדערע אַפּלאַקיישאַנז. דעם סטרוקטור איז ספּאַסיפיקלי דיזיינד צו ויסשטימען דאַטע קראַנט און דינאַמיש און וואָלט זיין אַ מסתּמא קאַנדידאַט צו שטיצן פאַקטיש-צייט אַנאַליטיקס, אַזאַ ווי צושטעלן סערוויס אגענטן קאַסטאַמערז אַ קונה ס קראַנט פארקויפונג אינפֿאָרמאַציע דורך יקסטראַקטינג פארקויפונג גאַנג אינפֿאָרמאַציע פון ​​די ינוואַנטאָרי זיך. אן אנדער סטרוקטור געוויזן אין פיגור 1.1 איז אַ פאָרמאַל שטאַט פֿאַר די דוו. ניט בלויז איז דאָס דער אָרט פֿאַר דער דורכפירונג פון די נייטיק ינטאַגריישאַן, פון די קוואַליטעט פון דאַטע, און פון די טראַנספאָרמאַציע פון דאַטע פון ינקאַמינג ווערכאַוס, אָבער איז אויך אַ פאַרלאָזלעך און צייַטווייַליק סטאָרידזש געגנט פֿאַר דאַטע רעפּלאַקייטן וואָס קענען זיין געוויינט אין פאַקטיש-צייט אַנאַליסיס. אויב איר באַשליסן צו נוצן אַן ODS אָדער סטאַגינג געגנט, איינער פון די בעסטער מכשירים צו באַפעלקערן די סטראַקטשערז דאַטע ניצן פאַרשידענע אַפּעריישאַנאַל קוואלן איז DB2 ס כעטעראַדזשיניאַס פונאנדערגעטיילט אָנפֿרעג. די פיייקייט איז איבערגעגעבן דורך די אַפּשאַנאַל DB2 שטריך גערופֿן DB2 Relational Connect (בלויז קוויריז) און דורך DB2 DataJoiner (אַ באַזונדער פּראָדוקט וואָס דיליווערז אָנפֿרעג, אַרייַנלייגן, דערהייַנטיקן און ויסמעקן פיייקייט צו כעטעראַדזשיניאַס פונאנדערגעטיילט רדבמס).

דעם טעכנאָלאָגיע אַלאַוז אַרקאַטעקץ צו דאַטע צו בינדן דאַטע פון פּראָדוקציע מיט אַנאַליסיס פּראַסעסאַז. ניט בלויז קענען די טעכנאָלאָגיע אַדאַפּט צו כמעט קיין פון די רעפּלאַקיישאַן פאדערונגען וואָס קען אויפשטיין מיט פאַקטיש-צייט אַנאַליטיקס, אָבער עס קענען אויך פאַרבינדן צו אַ ברייט פאַרשיידנקייַט פון דאַטע מערסט פאָלקס, אַרייַנגערעכנט DB2, Oracle, Sybase, SQL Server, Informix און אנדערע. DB2 DataJoiner קענען ווערן גענוצט צו באַפעלקערן אַ סטרוקטור דאַטע פאָרמאַל ווי אַן ODS אָדער אפילו אַ שטענדיק טיש רעפּריזענטיד אין די ווערכאַוס דיזיינד פֿאַר שנעל אָפּזוך פון רעגע דערהייַנטיקונגען אָדער פֿאַר פאַרקויף. פון קורס, די זעלבע סטראַקטשערז דאַטע קענען זיין פּאַפּיאַלייטאַד ניצן

אן אנדער וויכטיק טעכנאָלאָגיע דיזיינד פֿאַר רעפּלאַקיישאַן פון דאַטע, IBM DataPropagator Relational. (דאַטאַפּראָפּאַגאַטאָר איז אַ באַזונדער פּראָדוקט פֿאַר צענטראל סיסטעמען. DB2 UNIX, Linux, Windows און OS/2 אַרייַננעמען רעפּלאַקיישאַן באַדינונגס פון דאַטע ווי אַ נאָרמאַל שטריך).
אן אנדער וועג צו מאַך דאַטע אַפּערייטינג אַרום די פאַרנעמונג איז אַן ענטערפּרייז אַפּלאַקיישאַן ינטעגראַטאָר אַנדערש באקאנט ווי אַ אָנזאָג מעקלער.די יינציק טעכנאָלאָגיע אַלאַוז אַ גלייַכן קאָנטראָל פֿאַר טאַרגאַטינג און מאָווינג דאַטע אַרום די פירמע. יבם האט די מערסט וויידלי געוויינט אָנזאָג מעקלער, MQSeries, אָדער אַ ווערייישאַן פון די פּראָדוקט וואָס כולל די רעקווירעמענץ פֿאַר E-האַנדל, IBM WebSphere MQ.
Per più discussione su come sfruttare MQ per sostenere un magazzino e un ambiente BI, visitare וועבזייַטל del libro. Per ora, è sufficiente dire che questa tecnologia è un mezzo eccellente per catturare e trasformare (utilizzando MQSeries Integrator) דאַטע טאַרגעטעד אָפּעראַטיוועס ריקרוטיד פֿאַר BI סאַלושאַנז. MQ טעכנאָלאָגיע איז ינאַגרייטיד און פּאַקידזשד אין UDB V8, וואָס מיטל אַז אָנזאָג קיוז קענען זיין געראטן ווי אויב זיי זענען DB2 טישן. דער באַגריף פון וועלדינג ריי אַרטיקלען און די אַלוועלט פון דאַטאַבייס ריליישאַנאַל דירעקטעד צו אַ שטאַרק סוויווע פון ​​עקספּרעס פון דאַטע.

נול-לייטאַנסי נול לייטאַנסי

די לעצט סטראַטידזשיק ציל פֿאַר יבם איז נול-לייטאַנסי אַנאַליסיס. ווי דיפיינד דורך
Gartner, אַ BI סיסטעם מוזן זיין ביכולת צו אָנפירן, אַרייַנציען און צושטעלן אינפֿאָרמאַציע פֿאַר אַנאַליס אויף פאָדערונג. די אַרויסרופן, פון קורס, איז ווי צו מישן דאַטע קראַנט און פאַקטיש-צייט מיט נייטיק היסטארישע אינפֿאָרמאַציע, אַזאַ ווי איך דאַטע פֿאַרבונדענע גאַנג / מוסטער, אָדער יקסטראַקטיד ינסייט, אַזאַ ווי קונה פּראָפילינג.

אַזאַ אינפֿאָרמאַציע כולל, למשל, די לעגיטימאַציע פון קאַסטאַמערז הויך אָדער נידעריק ריזיקירן אָדער וואָס פּראָדוקטן איך קאַסטאַמערז זיי וועלן רובֿ מסתּמא קויפן אויב זיי האָבן שוין קעז אין זייער שאַפּינג קאַרץ.

דערגרייכן נול לייטאַנסי איז אַקשלי אָפענגיק אויף צוויי פונדאַמענטאַל מעקאַניזאַמז:

• גאַנץ פאַרבאַנד פון דאַטע וואָס זענען אַנאַלייזד מיט די געגרינדעט טעקניקס און מיט די מכשירים באשאפן דורך די BI
• א עקספּרעס סיסטעם פון דאַטע עפעקטיוו צו ענשור אַז פאַקטיש-צייט אַנאַליטיקס איז באמת בנימצא די פּרירעקוואַזאַץ פֿאַר נול לייטאַנסי זענען נישט אַנדערש פון די צוויי גאָולז באַשטימט דורך יבם און דיסקרייבד אויבן. די נאָענט פּאָרינג פון דאַטע עס איז טייל פון די סימלאַס ינאַגריישאַן פּראָגראַם מאַנדייטיד דורך יבם. און שאַפֿן אַ עקספּרעס סיסטעם פון דאַטע עפעקטיוו איז גאָר אָפענגיק אויף די בנימצא טעכנאָלאָגיע אַז סימפּלאַפייז די עקספּרעס פּראָצעס פון דאַטע. ווי אַ רעזולטאַט, צוויי פון די דריי צילן פון IBM זענען קריטיש צו פאַרשטיין די דריט. IBM איז קאַנשאַסלי יוואַלווינג זייַן טעכנאָלאָגיע צו ענשור נול לייטאַנסי איז אַ פאַקט פֿאַר ווערכאַוס השתדלות. קיצער / סינטעז די BI אָרגאַניזאַציע גיט אַ וועג מאַפּע פֿאַר בנין דיין סוויווע
  יטעראַטיוולי. עס מוזן זיין אַדזשאַסטיד צו פאַרטראַכטנ די באדערפענישן פון דיין געשעפט, ביידע קראַנט און צוקונפֿט. אָן אַ ברייט אַרקאַטעקטשעראַל זעאונג, ווערכאַוס יטעראַטיאָנס זענען ביסל מער ווי כאַפּפאַזערד ימפּלאַמאַנץ פון די הויפט ווערכאַוס וואָס טאָן קליין צו שאַפֿן אַ ברייט, ינפאָרמאַטיוו פאַרנעמונג. דער ערשטער כערדאַל פֿאַר פּרויעקט פירער איז ווי צו באַרעכטיקן די ינוועסמאַנט דארף צו וואַקסן די BI אָרגאַניזאַציע. כאָטש ROI כעזשבן איז פארבליבן אַ מיינסטיי פון ווערכאַוס ימפּלאַמאַנץ, עס איז שיין מער שווער צו פאָרויסזאָגן אַקיעראַטלי. דאָס האָט געפֿירט צו אנדערע מעטהאָדס צו באַשליסן אויב איר באַקומען די ווערט פון דיין געלט. ווערט אויף ינוועסטמענט 2 (VOI), פֿאַר בייַשפּיל, איז פּראָוקיורד ווי אַ לייזונג. עס איז פאַראַנטוואָרטלעך פֿאַר די אַרקאַטעקץ פון דאַטע און פּרויעקט פּלאַנערז דיליבראַטלי דזשענערייט און צושטעלן אינפֿאָרמאַציע צו באַניצער אַסאָוסייישאַנז און ניט נאָר צושטעלן אַ דינסט צו זיי דאַטע. עס איז אַ ריזיק חילוק צווישן די צוויי. אינפֿאָרמאַציע איז עפּעס וואָס מאכט אַ חילוק אין באַשלוס געמאכט און יפעקטיוונאַס; לעפיערעך, איך דאַטע זיי זענען בנין בלאַקס פֿאַר דערייווינג די אינפֿאָרמאַציע.

אפילו אויב קריטיק פון די מקור דאַטע צו אַדרעס געשעפט ריקוועס, די BI סוויווע זאָל דינען אַ גרעסערע ראָלע אין קריייטינג אינפֿאָרמאַציע אינהאַלט. מיר מוזן נעמען די עקסטרע סטעפּס צו רייניקן, ויסשטימען, יבערמאַכן אָדער אַנדערש שאַפֿן אינפֿאָרמאַציע אינהאַלט וואָס יוזערז קענען האַנדלען אויף, און דערנאָך מיר מוזן ענשור אַז די אַקשאַנז און דיסיזשאַנז, ווו גלייַך, זענען שפיגלט אין די BI סוויווע. אויב מיר רעלעגירן די ווערכאַוס צו בלויז דינען אויף דאַטע, רוען אַשורד אַז באַניצער אַסאָוסייישאַנז וועט מאַכן די אינפֿאָרמאַציע אינהאַלט דארף צו נעמען קאַמף. דאָס ינשורז אַז זייער קהילה וועט קענען צו מאַכן בעסער דיסיזשאַנז, אָבער די פאַרנעמונג ליידן פון אַ מאַנגל פון וויסן וואָס זיי האָבן געניצט. באַשטימט אַז אַרקאַטעקץ און פּרויעקט פּלאַנערז אָנהייבן ספּעציפיש פּראַדזשעקס אין די BI סוויווע, זיי בלייבן פאַראַנטוואָרטלעך פֿאַר די פאַרנעמונג ווי אַ גאַנץ. א פּשוט בייַשפּיל פון דעם צוויי-סיידאַד כאַראַקטעריסטיש פון BI יטעריישאַנז איז געפֿונען אין דער מקור דאַטע. אלע די דאַטע באקומען פֿאַר ספּעציפיש געשעפט ריקוועס מוזן זיין פּאַפּיאַלייטאַד אין דער ערשטער אַטאָמישע שיכטע. דאָס ינשורז די אַנטוויקלונג פון די פאַרנעמונג אינפֿאָרמאַציע אַסעט, ווי געזונט ווי פירן, אַדרעס די ספּעציפיש באַניצער ריקוועס דיפיינד אין די יטעראַטיאָן.

וואָס איז אַ דאַטאַ וואַרעהאָוסע?

דאַטן ווערכאַוס איז די האַרץ פון אינפֿאָרמאַציע סיסטעמען אַרקאַטעקטשער זינט 1990 און שטיצט אינפֿאָרמאַציע פּראַסעסאַז דורך פאָרשלאָגן אַ האַרט ינאַגרייטיד פּלאַטפאָרמע פון דאַטע געשיכטע גענומען ווי אַ יקער פֿאַר סאַבסאַקוואַנט אַנאַליזעס. די data warehouse זיי פאָרשלאָגן יז פון ינאַגריישאַן אין אַ וועלט פון ינקאַמפּאַטאַבאַל אַפּלאַקיישאַן סיסטעמען. דאַטן ווערכאַוס עס האָט זיך אַנטוויקלט צו ווערן אַ פאַד. דאַטן ווערכאַוס אָרגאַניזירן און קראָם איך דאַטע נייטיק פֿאַר אינפֿאָרמאַציע און אַנאַליסיס פּראַסעסאַז אויף דער באזע פון ​​אַ לאַנג היסטאָריש צייט פּערספּעקטיוו. אַלע דעם ינוואַלווז אַ היפּש און קעסיידערדיק מי אין די קאַנסטראַקשאַן און וישאַלט פון די data warehouse.

אַזוי וואָס איז אַ data warehouse? א data warehouse און:

• ▪ ונטערטעניק אָריענטיד
• ▪ ינאַגרייטיד סיסטעם
• ▪ וואַריאַנט צייט
• ▪ ניט-וואַלאַטאַל (טוט נישט באָטל מאַכן)

אַ זאַמלונג פון דאַטע געניצט צו שטיצן מאַנידזשיריאַל דיסיזשאַנז אין די ימפּלאַמענטיישאַן פון פּראַסעסאַז.
I דאַטע אַרײַנגעשטעלט אין data warehouse זיי קומען אין רובֿ קאַסעס פון אַפּעריישאַנאַל ינווייראַנמאַנץ. די data warehouse עס איז געמאכט פון אַ סטאָרידזש אַפּאַראַט, פיזיקלי באַזונדער פון די רעשט פון די סיסטעם, וואָס עס כּולל דאַטע ביז אַהער פארוואנדלען דורך אַפּלאַקיישאַנז וואָס אַרבעטן אויף אינפֿאָרמאַציע דערייווד פון די אַפּערייטינג סוויווע.

די ליטעראַל דעפֿיניציע פון ​​אַ data warehouse פארדינט אַ טיף דערקלערונג ווייַל עס זענען וויכטיק מאָוטאַוויישאַנז און אַנדערלייינג מינינגז וואָס באַשרייַבן די קעראַקטעריסטיקס פון אַ ווערכאַוס.

טעמע אָריענטירונג אָריענטירונג טעמאַטיק

דער ערשטער שטריך פון אַ data warehouse איז אַז עס איז אָריענטיד צו די הויפּט סאַבדזשעקץ פון אַ פירמע. דער פירער פון די פּראַסעסאַז דורך די דאַטע עס איז אין קאַנטראַסט מיט די מער קלאַסיש אופֿן וואָס ינוואַלווז די אָריענטירונג פון אַפּלאַקיישאַנז צו פּראַסעסאַז און פאַנגקשאַנז, אַ אופֿן מערסטנס שערד דורך רובֿ פון די ווייניקער פריש פאַרוואַלטונג סיסטעמען.

די אָפּערייטינג וועלט איז דיזיינד אַרום אַפּלאַקיישאַנז און פאַנגקשאַנז אַזאַ ווי לאָונז, סייווינגז, באַנקקאַרדס און צוטרוי פֿאַר אַ פינאַנציעל ינסטיטושאַן. די וועלט פון dw איז אָרגאַניזירט אַרום הויפּט סאַבדזשעקץ אַזאַ ווי דער קונה, דער טרעגער, די פּראָדוקט און די טעטיקייט. אַליינמאַנט אַרום טעמעס אַפעקץ די פּלאַן און ימפּלאַמענטיישאַן פון דאַטע געפונען אין די דוו. מער ימפּאָרטאַנטלי, די הויפּט טעמע אַפעקץ די מערסט וויכטיק טייל פון די שליסל סטרוקטור.

די וועלט פון אַפּלאַקיישאַנז איז ינפלואַנסט דורך ביידע דייטאַבייס פּלאַן און פּראָצעס פּלאַן. די וועלט פון dw איז פאָוקיסט בלויז אויף ווידעא מאָדעלינג דאַטע און אויף די פּלאַן פון די דאַטאַבייס. פּראָצעס פּלאַן (אין זיין קלאַסיש פאָרעם) איז נישט טייל פון די dw סוויווע.

די דיפעראַנסיז צווישן די ברירה פון פּראָצעס / פונקציע אַפּלאַקיישאַן און די ברירה פון ונטערטעניק זענען אויך גילוי ווי דיפעראַנסיז אין די אינהאַלט פון די דאַטע אין אַ דיטיילד מדרגה. די דאַטע פון די דוו טאָן ניט אַרייַננעמען י דאַטע וואָס וועט ניט זיין געניצט צו פּראָצעס DSS בשעת אַפּלאַקיישאַנז

אַפּעריישאַנאַל אָריענטיד דאַטע אַנטהאַלטן איך דאַטע צו מיד באַפרידיקן פאַנגקשאַנאַל / פּראַסעסינג רעקווירעמענץ וואָס קען אָדער קען נישט האָבן קיין נוצן פֿאַר די DSS אַנאַליסט.
אן אנדער וויכטיק וועג אַז אַפּעריישאַנאַל-אָריענטיד אַפּלאַקיישאַנז פֿאַר דאַטע אַנדערש פון דאַטע פון dw איז אין די ריפּאָרץ פון דאַטע. איך דאַטע אָפּעראַטיוועס האַלטן אַן אָנגאָינג שייכות צווישן צוויי אָדער מער טישן באזירט אויף אַ געשעפט הערשן וואָס איז אַקטיוו. די דאַטע פון dw שפּאַן אַ ספּעקטרום פון צייט און די ריפּאָרץ געפונען אין די dw זענען פילע. פילע האַנדל כּללים (און קאָראַספּאַנדינגלי, פילע ריפּאָרץ פון דאַטע ) זענען רעפּריזענטיד אין די לאַגער פון דאַטע צווישן צוויי אָדער מער טישן.

(פֿאַר אַ דיטיילד דערקלערונג פון ווי די באַציונגען צווישן די דאַטע זענען כאַנדאַלד אין די DW, מיר אָפּשיקן צו די טעק טעמע אויף דעם אַרויסגעבן.)
פֿון קיין אנדערע פּערספּעקטיוו ווי די פונדאַמענטאַל חילוק צווישן אַ פאַנגקשאַנאַל / פּראָצעס אַפּלאַקיישאַן ברירה און אַ ונטערטעניק ברירה, איז עס אַ גרעסערע חילוק צווישן אָפּערייטינג סיסטעמען און דאַטע און די DW.

אינטעגראציע אינטעגראציע

די מערסט וויכטיק אַספּעקט פון די dw סוויווע איז אַז י דאַטע געפונען ין די dw זענען ינאַגרייטיד לייכט. אַלע מאָל. אָן יקסעפּשאַנז. די עסאַנס פון די dw סוויווע איז אַז י דאַטע קאַנטיינד אין די ווערכאַוס לימאַץ זענען ינאַגרייטיד.

ינטעגראַטיאָן ריווילז זיך אין פילע פאַרשידענע וועגן - אין קאָנסיסטענט יידענאַפייד קאַנווענשאַנז, אין קאָנסיסטענט וועריאַבאַל מעזשערמאַנט, אין קאָנסיסטענט קאָדעד סטראַקטשערז, אין די גשמיות אַטריביוץ פון דאַטע קאָנסיסטענט, און אַזוי אויף.

איבער די יאָרן, דיזיינערז פון פאַרשידן אַפּלאַקיישאַנז האָבן געמאכט פילע דיסיזשאַנז וועגן ווי אַ אַפּלאַקיישאַן זאָל זיין דעוועלאָפּעד. די סטיל און ינדיווידזשואַלייזד פּלאַן דיסיזשאַנז פון די אַפּלאַקיישאַנז פון דיזיינערז אַנטדעקן זיך אין אַ הונדערט וועגן: אין דיפעראַנסיז אין קאָדירונג, שליסל סטרוקטור, גשמיות קעראַקטעריסטיקס, ידענטיפיצירן קאַנווענשאַנז, און אַזוי אויף. די קאָלעקטיוו פיייקייט פון פילע אַפּלאַקיישאַן דיזיינערז צו שאַפֿן סתירה אַפּלאַקיישאַנז איז לעדזשאַנדערי. פיגורע 3 לייז עטלעכע פון ​​​​די מערסט וויכטיק דיפעראַנסיז אין די ווי אַפּלאַקיישאַנז זענען דיזיינד.

קאָדירונג: קאָדירונג:

אַפּפּליקאַטיאָן דיזיינערז האָבן אויסדערוויילט די קאָדירונג פון די פעלד - געשלעכט - אין פאַרשידענע וועגן. א דיזיינער רעפּראַזענץ געשלעכט ווי אַ "עם" און "ף". אן אנדער דיזיינער רעפּראַזענץ דזשענדער ווי אַ "1" און אַ "0". אן אנדער דיזיינער רעפּראַזענץ געשלעכט ווי אַ "רענטגענ" און "י". אן אנדער דיזיינער רעפּראַזענץ געשלעכט ווי "זכר" און "ווייַבלעך." עס טוט נישט ענין ווי די געשלעכט קומט אין די דוו. די "M" און "F" זענען מיסטאָמע ווי גוט ווי די גאנצע שפּיל.

וואָס איז וויכטיק איז אַז פֿון וועלכער אָריגין די געשלעכט פעלד דערייווז, דאָס פעלד קומט אין די DW אין אַ קאָנסיסטענט ינאַגרייטיד שטאַט. דעריבער, ווען די פעלד איז לאָודיד אין די DW פֿון אַ אַפּלאַקיישאַן ווו עס איז רעפּריזענטיד אין די פֿאָרמאַט "M" און "F", די דאַטע מוזן זיין קאָנווערטעד צו DW פֿאָרמאַט.

מעאַסורעמענט פון אַטריביוץ: מעזשערמאַנט פון אַטריביוץ:

אַפּפּליקאַטיאָן דיזיינערז האָבן אויסדערוויילט צו מעסטן רערנ - ליניע אין אַ פאַרשיידנקייַט פון וועגן איבער די יאָרן. א דיזיינער סטאָרז איך דאַטע פון די רערנ - ליניע אין סענטימעטער. אן אנדער אַפּלאַקיישאַן דיזיינער סטאָרז די דאַטע פון די רערנ - ליניע אין טערמינען פון אינטשעס. אן אנדער אַפּלאַקיישאַן דיזיינער סטאָרז די דאַטע פון רערנ - ליניע אין מיליאָן קוביק פֿיס פּער סעקונדע. און אן אנדער דיזיינער סטאָרז רערנ - ליניע אינפֿאָרמאַציע אין טערמינען פון יאַרדס. וועלכער די מקור, ווען רערנ - ליניע אינפֿאָרמאַציע קומט אין די DW עס מוזן זיין געמאסטן אין די זעלבע וועג.

ווי געוויזן אין פיגור 3, ינטאַגריישאַן ישוז ווירקן כּמעט יעדער אַספּעקט פון די פּרויעקט - די גשמיות קעראַקטעריסטיקס פון די דאַטע, די דילעמאַ פון האָבן מער ווי איין מקור פון דאַטע, די אַרויסגעבן פון סתירה יידענאַפייד סאַמפּאַלז, פֿאָרמאַטירונגען פון דאַטע נישט קאָנסיסטענט, און אַזוי אויף.

וועלכער די פּלאַן אַרגומענט, דער רעזולטאַט איז די זעלבע - איך דאַטע מוזן זיין סטאָרד אין די DW אין אַ יינציק און גלאָובאַלי פּאַסיק שטייגער אפילו ווען די אַנדערלייינג אָפּערייטינג סיסטעמען קראָם י דאַטע.

ווען דער DSS אַנאַליסט קוקט אויף די DW, דער ציל פון דער אַנאַליסט זאָל זיין צו גווורע די דאַטע וואָס זענען אין די וואַרעהאָוסע,

אלא ווי וואַנדערינג וועגן די קרעדיביליטי אָדער קאָנסיסטענסי פון די דאַטע.

צייט וועריאַנס

אלע די דאַטע אין די DW זיי זענען פּינטלעך צו עטלעכע מאָמענט אין צייט. דעם יקערדיק שטריך פון די דאַטע אין דוו איז זייער אַנדערש פון דאַטע געפונען אין די אַפּערייטינג סוויווע. די דאַטע פון די אָפּערייטינג סוויווע זענען ווי פּינטלעך ווי אין דער צייט פון אַקסעס. אין אנדערע ווערטער, אין די אַפּערייטינג סוויווע ווען אַ אַפּאַראַט איז אַקסעסט דאַטע, עס איז געריכט צו פאַרטראַכטנ וואַלועס ווי פּינטלעך ווי אין דער צייט פון אַקסעס. פארוואס איך דאַטע אין די DW זענען גענוי ווי אין עטלעכע פונט אין צייט (ד"ה נישט "רעכט איצט"), עס איז געזאגט אַז איך דאַטע געפֿונען אין די DW זענען "צייט וועריאַנס".
די צייט וועריאַנס פון דאַטע דורך DW איז ריפערד צו אין פילע וועגן.
דער סימפּלאַסט וועג איז אַז איך דאַטע פון אַ דוו פאָרשטעלן דאַטע איבער אַ לאַנג צייַט האָריזאָנט - פינף צו צען יאר. דער צייט האָריזאָנט רעפּריזענטיד פֿאַר די אַפּערייטינג סוויווע איז פיל קירצער ווי די קראַנט וואַלועס פון הייַנט פון אַרויף צו זעכציק ניינציק
אַפּפּליקאַטיאָנס וואָס דאַרפֿן צו אַרבעטן געזונט און דאַרפֿן צו זיין בארעכטיגט פֿאַר טראַנסאַקטיאָן פּראַסעסינג דאַרפֿן צו פירן די מינימום סומע פון דאַטע אויב זיי לאָזן פֿאַר קיין גראַד פון בייגיקייט. אַזוי אַפּעריישאַנאַל אַפּלאַקיישאַנז האָבן אַ קורץ צייט האָריזאָנט, אַזאַ ווי אַ אַודיאָ אַפּלאַקיישאַן פּלאַן טעמע.
די צווייטע וועג 'צייט דיפעראַנסיז' איז אין די DW איז אין די שליסל סטרוקטור. יעדער שליסל סטרוקטור אין די DW כּולל, ימפּליסאַטלי אָדער בפירוש, אַ צייט עלעמענט, אַזאַ ווי טאָג, וואָך, חודש, אאז"ו ו. די צייט עלעמענט איז כּמעט שטענדיק אין די דנאָ פון די קאַנקאַטאַנייטאַד שליסל געפֿונען אין די DW. אין די מאל, די צייט עלעמענט וועט עקסיסטירן ימפּליסאַטלי, אַזאַ ווי דער פאַל ווען אַ גאַנץ טעקע איז דופּליקייטיד אין די סוף פון די חודש אָדער פערטל.
די דריט וועג צייט וועריאַנס איז געוויזן איז אַז איך דאַטע פון די DW, פּונקט ריכטיק רעגיסטרירט, קענען ניט זיין דערהייַנטיקט. די דאַטע פון די DW זענען, פֿאַר אַלע פּראַקטיש צוועקן, אַ לאַנג סעריע פון ​​סנאַפּשאַץ. פון קורס, אויב די מאָמענטבילד איז גענומען פאַלש, די סנאַפּשאַץ קענען זיין מאַדאַפייד. אבער אויב איר נעמען די סנאַפּשאַץ ריכטיק, זיי זענען נישט פארענדערט ווי באַלד ווי זיי זענען גענומען. אין עטלעכע

אין עטלעכע פאלן, עס קען זיין אַנעטיקאַל אָדער אפילו פאַרקריפּלט פֿאַר סנאַפּשאַץ אין די DW צו זיין מאַדאַפייד. די דאַטע אַפּעריישאַנאַל, ווייל גענוי ווי אין דעם מאָמענט פון אַקסעס, זיי קענען זיין דערהייַנטיקט ווי די נויט ערייזאַז.

נישט וואַלאַטאַל

דער פערט וויכטיק כאַראַקטעריסטיש פון DW איז אַז עס איז ניט-וואַלאַטאַל.
דערהייַנטיקונגען, ינסערשאַנז, דילישאַנז און ענדערונגען זענען קעסיידער געמאכט אין די אַפּעריישאַנאַל ינווייראַנמאַנץ אויף אַ רעקאָרד-ביי-רעקאָרד יקער. אבער די גרונט מאַניפּיאַליישאַן פון די דאַטע דארף אין די דוו איז פיל גרינגער. עס זענען בלויז צוויי טייפּס פון אַפּעריישאַנז וואָס פאַלן אין די DW - די ערשט לאָודינג פון די דאַטע און צוטריט צו דאַטע. עס איז קיין דערהייַנטיקן פון די דאַטע (אין דער אַלגעמיין זינען פון אַפּדייטינג) אין די דוו ווי אַ נאָרמאַל פּראַסעסינג אָפּעראַציע. עס זענען עטלעכע זייער שטאַרק קאַנסאַקווענסאַז פון דעם יקערדיק חילוק צווישן אַפּעריישאַנאַל פּראַסעסינג און DW פּראַסעסינג. אין די פּלאַן מדרגה, די נויט צו זיין אָפּגעהיט מיט קראַך דערהייַנטיקן איז נישט אַ פאַקטאָר אין די DW, זינט די דערהייַנטיקן פון דאַטע איז נישט דורכגעפירט. דעם מיטל אַז אויף די גשמיות פּלאַן מדרגה, פרייהייט קענען זיין גענומען צו אַפּטאַמייז אַקסעס צו דאַטע, ספּעציעל אין האַנדלינג מיט די טעמעס פון נאָרמאַליזיישאַן און גשמיות דינאָרמאַליזיישאַן. אן אנדער קאַנסאַקוואַנס פון DW ס פּאַשטעס פון אָפּעראַציע איז אין די אַנדערלייינג טעכנאָלאָגיע געניצט צו לויפן די DW סוויווע. ווייל צו שטיצן אָנליין רעקאָרד-דורך-רעקאָרד דערהייַנטיקונגען (ווי אָפט דער פאַל מיט אַפּעריישאַנאַל פּראַסעסינג) ריקווייערז די טעכנאָלאָגיע צו האָבן אַ זייער קאָמפּליצירט יסוד אונטער אַ קלאָר פּאַשטעס.
די טעכנאָלאָגיע וואָס שטיצט באַקאַפּ און אָפּזוך, טראַנזאַקשאַנז און אָרנטלעכקייַט פון דאַטע און דעדלאַק דיטעקשאַן און סגולע איז גאַנץ קאָמפּליצירט און ומנייטיק פֿאַר דוו פּראַסעסינג. די טשאַראַקטעריסטיקס פון אַ דוו, פּלאַן אָריענטירונג, ינאַגריישאַן פון דאַטע ין די דוו, צייט וועריאַנס און יז פון פאַרוואַלטונג פון דאַטע, עס אַלע פירט צו אַ סוויווע וואָס איז זייער, זייער אַנדערש פון די קלאַסיש אַפּערייטינג סוויווע. דער מקור פון כּמעט אַלע דאַטע פון דוו זענען די אַפּערייטינג סוויווע. עס ס טעמפּטינג צו טראַכטן אַז עס איז מאַסיוו יבעריקייַט פון דאַטע צווישן די צוויי ינווייראַנמאַנץ.
טאַקע דער ערשטער רושם אַז פילע מענטשן האָבן איז אַז פון גרויס יבעריקייַט דאַטע צווישן די אַפּערייטינג סוויווע און די סוויווע פון

דוו. אַזאַ ינטערפּריטיישאַן איז אויבנאויפיקער און דעמאַנסטרייץ אַ מאַנגל פון פארשטאנד פון וואָס כאַפּאַנז אין די דוו.
טאַקע עס איז אַ מינימום פון יבעריקייַט דאַטע צווישן די אַפּערייטינג סוויווע און י דאַטע פון די DW. באַטראַכטן די פאלגענדע: איך דאַטע זיי זענען געפילטערט dato אַז איר באַשטימען פון די אַפּערייטינג סוויווע צו די DW סוויווע. פילע דאַטע זיי קיינמאָל גיין אַרויס די אַפּערייטינג סוויווע. נאָר אַז איך דאַטע וואָס זענען פארלאנגט פֿאַר DSS פּראַסעסינג געפֿינען זייער ריכטונג אין דער סביבה

▪ די צייט האָריזאָנט פון דאַטע עס איז זייער אַנדערש פון איין סוויווע צו אנדערן. די דאַטע אין די אַפּערייטינג סוויווע זיי זענען זייער פריש. די דאַטע אין די DW זיי זענען פיל עלטער. בלויז פֿון דער צייט האָריזאָנט פּערספּעקטיוו, עס איז זייער קליין אָוווערלאַפּ צווישן די אַפּעריישאַנאַל סוויווע און די DW.

▪ די דוו כּולל דאַטע קיצער וואָס זענען קיינמאָל געפונען אין דער סביבה

▪ איך דאַטע דורכגיין אַ פונדאַמענטאַל טראַנספאָרמאַציע ווען זיי יבערגאַנג צו פיגורע 3 ילאַסטרייץ אַז רובֿ דאַטע זענען באטייטיק מאַדאַפייד אויב זיי זענען אויסגעקליבן און אריבערגעפארן צו די DW. שטעלן אן אנדער וועג, רובֿ פון די דאַטע עס איז פיזיקלי און ראַדיקאַללי געביטן ווען עס איז אריבערגעפארן אין די DW. פֿון אַ ינטאַגריישאַן פונט פון מיינונג זיי זענען נישט די זעלבע דאַטע וווינען אין די אַפּערייטינג סוויווע. געגעבן די סיבות, די יבעריקייַט פון דאַטע צווישן די צוויי ינווייראַנמאַנץ איז אַ זעלטן געשעעניש, לידינג צו ווייניקער ווי 1% יבעריקייַט צווישן די צוויי ינווייראַנמאַנץ. די סטרוקטור פון די וואַרעהאָוסע DWs האָבן אַ באַזונדער סטרוקטור. עס זענען פאַרשידן לעוועלס פון קיצער און דעטאַל וואָס דימאַרקייט די DWs.
די פאַרשידן קאַמפּאָונאַנץ פון אַ DW זענען:

• מעטאדאטע
• דאַטן קראַנט פרטים
• דאַטן פון אַלטע פּרטים
• דאַטן אַ ביסל סאַמערייזד
• דאַטן העכסט סאַמערייזד

ביי ווייַט די הויפּט דייַגע איז פֿאַר י דאַטע קראַנט פרטים. דאָס איז דער הויפּט דייַגע ווייַל:

• I דאַטע קראַנט דעטאַילס פאַרטראַכטנ זיך די מערסט פריש געשעענישן, וואָס זענען שטענדיק פון גרויס אינטערעס און
• i דאַטע פון קראַנט דעטאַל איז וואַלומאַנאַס ווייַל עס איז סטאָרד אין די לאָואַסט מדרגה פון גראַנולאַריטי און
• i דאַטע קראַנט דעטאַילס זענען כּמעט שטענדיק סטאָרד אויף דיסק זכּרון, וואָס איז שנעל צו אַקסעס, אָבער טייַער און קאָמפּליצירט צו נוצן דאַטע פון דעטאַל זענען עלטער דאַטע וואָס זענען סטאָרד אויף עטלעכע זכּרון פון מאַסע. עס איז ספּאָראַדיש אַקסעסט און סטאָרד אין אַ דעטאַל מדרגה קאַמפּאַטאַבאַל מיט דאַטע קראַנט פרטים. כאָטש עס איז נישט מאַנדאַטאָרי צו קראָם אויף אַן אָלטערנאַטיוו סטאָרידזש מיטל, רעכט צו דער גרויס באַנד פון דאַטע קאַמביינד מיט ספּאָראַדיש אַקסעס פון דאַטע, די סטאָרידזש מיטל פֿאַר דאַטע פון עלטערע דעטאַל איז נישט יוזשאַוואַלי סטאָרד אויף דיסק. די דאַטע לייטלי סאַמערייזד זיי זענען דאַטע וואָס זענען דיסטילד פון די נידעריק מדרגה פון דעטאַל געפונען צו די קראַנט מדרגה פון דעטאַל. דעם מדרגה פון די דוו איז כּמעט שטענדיק סטאָרד אויף דיסק סטאָרידזש. די פּלאַן פּראָבלעמס פייסינג דער אַרכיטעקט דאַטע אין די קאַנסטראַקשאַן פון דעם מדרגה פון די דוו זענען:

• וואָס אַפּאַראַט פון צייט איז די סאַמעריזיישאַן געטאן אויבן
• וואָס אינהאַלט, אַטריביוץ וועט אַ ביסל סאַמערייז די אינהאַלט פון די דאַטע דער ווייַטער מדרגה פון דאַטע געפונען אין די דוו איז אַז פון דאַטע העכסט סאַמערייזד. די דאַטע העכסט סאַמערייזד זענען סאָליד און לייכט צוטריטלעך. די דאַטע העכסט סאַמערייזד זענען מאל געפֿונען אין די DW סוויווע און אין אנדערע קאַסעס איך דאַטע העכסט אַבסטראַקטיד זענען געפֿונען אַרויס די באַלדיק ווענט פון די טעכנאָלאָגיע האָסטינג די DW. (אין קיין פאַל, איך דאַטע העכסט סאַמערייזד זענען טייל פון די DW ראַגאַרדלאַס פון ווו איך דאַטע זענען פיזיקלי כאַוזד). די לעצט קאָמפּאָנענט פון די DW איז די מעטאַדאַטאַ קאָמפּאָנענט. אין פילע שייך מעטאַדאַטאַ זיצט אין אַ אַנדערש ויסמעסטונג ווי אנדערע דאַטע פון די DW, ווייַל די מעטאַדאַטאַ כּולל קיין dato גלייַך גענומען פון די אַפּערייטינג סוויווע. מעטאַדאַטאַ האט אַ ספּעציעל און זייער וויכטיק ראָלע אין DW. מעטאַדאַטאַ איז געניצט ווי:

• אַ וועגווייַזער צו העלפֿן די DSS אַנאַליסט צו געפֿינען די אינהאַלט פון די DW,
• אַ וועגווייַזער צו מאַפּינג דאַטע פון ווי איך דאַטע האָבן שוין פארוואנדלען פון די אַפּערייטינג סוויווע צו די DW סוויווע,
• אַ גייד צו די אַלגערידאַמז געניצט פֿאַר סאַמעריזיישאַן צווישן י דאַטע פון יעצטיגע פרטים איי דאַטע אַ ביסל סאַמערייזד, איך דאַטע העכסט סאַמד, מעטאַדאַטאַ פיעסעס אַ פיל ביגער ראָלע אין די DW סוויווע ווי אין די אַפּעריישאַנאַל סוויווע אַלט דעטאַל סטאָרידזש מיטל מאַגנעטיק טייפּ קענען זיין געוויינט צו קראָם דעם מין פון דאַטע. טאַקע, עס איז אַ ברייט פאַרשיידנקייַט פון סטאָרידזש מידיאַ וואָס זאָל זיין קאַנסידערד פֿאַר סטאָרינג אַלט דאַטע פון דעטאַל. דעפּענדינג אויף די סומע פון דאַטע, אָפטקייַט פון אַקסעס, קאָס פון מכשירים און טיפּ פון אַקסעס, עס איז גאַנץ פּראַבאַבאַל אַז אנדערע מכשירים וועט דאַרפֿן די אַלט דעטאַל מדרגה אין די DW. לויפן פון דאַטן עס איז אַ נאָרמאַל און פּרידיקטאַבאַל לויפן פון די דאַטע אין די DW.
  I דאַטע זיי אַרייַן די DW פֿון די אַפּערייטינג סוויווע. (באַמערקונג: עס זענען עטלעכע זייער טשיקאַווע אויסנעמען צו דעם הערשן. אָבער, כּמעט אַלע דאַטע אַרייַן די DW פֿון די אָפּערייטינג סוויווע). באַשטימט אַז איך דאַטע זיי אַרייַן די DW פֿון די אַפּערייטינג סוויווע, עס איז פארוואנדלען ווי דיסקרייבד אויבן. אויב איר אַרייַן די DW, איך דאַטע אַרייַן די קראַנט דעטאַל מדרגה, ווי געוויזן. עס ריזיידז דאָרט און איז געניצט ביז איינער פון דרייַ געשעענישן אַקערז:

• איז טהרה,
• איז סאַמערייזד, און / אָדער ▪è דער פאַרעלטערט פּראָצעס ין אַ דוו באוועגט י דאַטע איצטיקע פּרטים א דאַטע פון אַלט פרטים, באזירט אויף די עלטער פון דאַטע. דער פּראָצעס

סאַמעריזיישאַן ניצט די דעטאַל פון דאַטע צו רעכענען איך דאַטע אַ ביסל סאַמערייזד און העכסט סאַמערייזד לעוועלס פון די דאַטע. עס זענען עטלעכע אויסנעמען צו די לויפן געוויזן (וועט זיין דיסקאַסט שפּעטער). אָבער, יוזשאַוואַלי, פֿאַר די וואַסט מערהייַט פון דאַטע געפונען אין אַ DW, די טייַך פון דאַטע עס איז ווי געשילדערט.

ניצן די דאַטאַוואַרהויז

ניט סאַפּרייזינגלי די פאַרשידן לעוועלס פון דאַטע אין די DW זיי טאָן ניט באַקומען פאַרשידענע לעוועלס פון נוצן. ווי אַ הערשן, די העכער די סאַמעריזיישאַן מדרגה, די מער איך דאַטע זיי זענען געניצט.
פילע ניצט פאַלן אין די דאַטע העכסט סאַמערייזד, בשעת די אַלט דאַטע פון דעטאַל זענען כּמעט קיינמאָל געניצט. עס איז אַ גוט סיבה צו מאַך די אָרגאַניזאַציע צו די מיטל יוטאַלאַזיישאַן פּעראַדיים. מער סאַכאַקל איך דאַטע, די קוויקער און מער עפעקטיוו עס איז צו אָנקומען דאַטע. אויב א קראָם געפינט אַז עס טוט אַ פּלאַץ פון דעטאַל-מדרגה פּראַסעסינג פון די DW, און אַ קאָראַספּאַנדינגלי גרויס סומע פון ​​מאַשין רעסורסן איז קאַנסומד. עס איז אין אַלעמען 'ס בעסטער אינטערעסן צו פּראָצעס אַזאַ אַ הויך מדרגה פון קיצער ווי באַלד ווי מעגלעך.

פֿאַר פילע שאַפּס, די DSS אַנאַליסט אין אַ פאַר-דוו סוויווע האט געוויינט דאַטע אין דער מדרגה פון דעטאַל. אין פילע וועגן די אָנקומען בייַ דאַטע דיטיילד קיצער ריזעמבאַלז אַ זיכערהייט פאַרדעקן, אפילו ווען אנדערע קיצער לעוועלס זענען בנימצא. איינע פון ​​די אקטיוויטעטן פונעם ארכיטעקט דאַטע איז צו ווין די DSS באַניצער פון קעסיידערדיק נוצן פון דאַטע אין די לאָואַסט מדרגה פון דעטאַל. עס זענען צוויי מאָוטאַוויישאַנז בנימצא צו דער אַרכיטעקט דאַטע:

• ינסטאָלינג אַ טשאַרדזשבאַק סיסטעם, ווו דער סוף באַניצער פּייַס פֿאַר די קאַנסומד רעסורסן, ע
• וואָס אָנווייַזן אַז זייער גוט ענטפער צייט קענען זיין באקומען ווען די נאַטור מיט י דאַטע איז אין אַ הויך מדרגה פון סאַמעריזיישאַן, בשעת די נעבעך ענטפער צייט קומט פון די נאַטור פון די דאַטע אין אַ נידעריק מדרגה OTHER CONSIDERATIONS עס זענען עטלעכע אנדערע קאַנסידעריישאַנז פון DW קאַנסטראַקשאַן און פאַרוואַלטונג.
  דער ערשטער באַטראַכטונג איז אַז פון ינדאַסיז. די דאַטע אין העכער סאַמעריזיישאַן לעוועלס זיי קענען זיין פרילי ינדעקסט, בשעת איך דאַטע

אין נידעריקער לעוועלס פון דעטאַל זיי זענען אַזוי וואַלומאַנאַס אַז זיי קענען זיין ינדעקסט ספּערינגלי. פון דער זעלביקער סימען, ד.ה דאַטע אין הויך לעוועלס פון דעטאַל קענען זיין לעפיערעך לייכט ריסטראַקטשערד, בשעת די באַנד פון דאַטע אין די נידעריקער לעוועלס עס איז אַזוי גרויס אַז איך דאַטע זיי קענען ניט זיין ריפערבישט לייכט. דעריבער, דער מאָדעל פון די דאַטע און די פאָרמאַל אַרבעט געטאן דורך די פּלאַן לייז דעם יסוד פֿאַר DW געווענדט כּמעט אויסשליסלעך צו די קראַנט דעטאַל מדרגה. אין אנדערע ווערטער, די מאָדעלינג אַקטיוויטעטן פון די דאַטע זיי טאָן ניט צולייגן צו סאַמעריזיישאַן לעוועלס, אין כּמעט יעדער פאַל. אן אנדער סטראַקטשעראַל באַטראַכטונג איז אַז פון די סאַבדיוויזשאַן פון דאַטע דורך DW.

צעטיילונג קענען זיין געטאן אין צוויי לעוועלס - אויף דער מדרגה פון dms און אין די אַפּלאַקיישאַן מדרגה. אין דער אָפּטייל אין דער מדרגה dms, די dms איז ינפאָרמד וועגן די דיוויזשאַנז און קאָנטראָל זיי אַקאָרדינגלי. אין דעם פאַל פון אָפּטייל אויף די אַפּלאַקיישאַן מדרגה, בלויז דער פּראָגראַמיסט איז ינפאָרמד וועגן די דיוויזשאַנז און די פֿאַראַנטוואָרטלעכקייט פֿאַר זייער אַדמיניסטראַציע איז לינקס צו אים

ונטער מדרגה dms, אַ פּלאַץ פון אַרבעט איז געטאן אויטאָמאַטיש. עס איז אַ פּלאַץ פון ינפלעקסיביליטי פֿאַרבונדן מיט זיך-אַדמיניסטראַציע פון ​​דיוויזשאַנז. אין די פאַל פון די אָפּטייל-מדרגה אַפּלאַקיישאַן פון די דאַטע דעל data warehouse, אַ פּלאַץ פון די אַרבעט פאלן אויף די פּראָגראַמיסט, אָבער דער סוף רעזולטאַט איז בייגיקייַט אין אַדמיניסטראַציע פון ​​די דאַטע אין data warehouse

אנדערע אַנאַמאַליז

בשעת די קאַמפּאָונאַנץ פון די data warehouse זיי אַרבעט ווי דיסקרייבד פֿאַר כּמעט אַלע דאַטע, עס זענען עטלעכע נוציק אויסנעמען וואָס דאַרפֿן צו זיין דיסקאַסט. אַ ויסנעם איז אַז פון דאַטע ציבור סאַמעריז (ציבור קיצער דאַטן). די זענען דאַטע סאַמעריז אַז האָבן שוין קאַלקיאַלייטיד אויס פון די data warehouse אָבער זיי זענען געניצט דורך געזעלשאַפט. די דאַטע ציבור סאַמעריז זענען סטאָרד און געראטן אין די data warehouse, כאָטש ווי דערמאנט אויבן זיי זענען פיגיערד אויס. אַקאַונטאַנץ אַרבעט צו פּראָדוצירן אַזאַ קאָרטערלי דאַטע אַזאַ ווי האַכנאָסע, קאָרטערלי הוצאות, קאָרטערלי נוץ, און אַזוי אויף. די אַרבעט געטאן דורך אַקאַונטאַנץ איז פונדרויסנדיק צו די data warehouse. אָבער, איך דאַטע זענען געניצט "ינערלעך" אין די פירמע - פֿון אָפּזעצערייַ, פארקויפונג אאז"ו ו. אן אנדער אַנאַמאַלי, וואָס וועט ניט זיין דיסקאַסט, איז די פון דאַטע פונדרויסנדיק.

אן אנדער יקסעפּשאַנאַל מין פון דאַטע וואָס קענען זיין געפונען אין אַ data warehouse איז אַז פון שטענדיק דעטאַל דאַטן. די גרונט די נויט צו פּערמאַנאַנטלי קראָם די דאַטע אויף אַ דיטיילד מדרגה פֿאַר עטישע אָדער לעגאַל סיבות. אויב אַ פירמע איז יקספּאָוזד איר טוערס צו כאַזערדאַס סאַבסטאַנסיז עס איז אַ נויט פֿאַר עס דאַטע דיטיילד און שטענדיק. אויב אַ פירמע טראגט אַ פּראָדוקט וואָס ינוואַלווז ציבור זיכערקייַט, אַזאַ ווי אַעראָפּלאַן טיילן, עס איז אַ נויט צו דאַטע שטענדיק דעטאַילס, ווי געזונט ווי אויב אַ פירמע גייט אריין אין געפערלעך קאַנטראַקץ.

די פירמע קען נישט פאַרגינענ זיך צו פאַרזען פּרטים ווייַל אין די קומענדיק ביסל יאָרן, אין די געשעעניש פון אַ פּראָצעס, צוריקרופן, דיספּיוטיד קאַנסטראַקשאַן כיסאָרן, אאז"ו ו. די ויסשטעלן פון די פירמע קען זיין גרויס. ווי אַ רעזולטאַט עס איז אַ יינציק טיפּ פון דאַטע באקאנט ווי שטענדיק דעטאַל דאַטן.

SUMMARY

Un data warehouse איז אַ כייפעץ אָריענטיד, ינאַגרייטיד, צייט וואַריאַנט, אַ זאַמלונג פון דאַטע ניט-וואַלאַטאַל צו שטיצן די באַשלוס-מאכן באדערפענישן פון די אַדמיניסטראַציע. יעדער פון די הויפּט פאַנגקשאַנז פון אַ data warehouse האט זייַן ימפּלאַקיישאַנז. אין דערצו עס זענען פיר לעוועלס פון דאַטע דעל data warehouse:

• אַלטע פּרטים
• איצטיקע דעטאַל
• דאַטן אַ ביסל סאַמערייזד
• דאַטן העכסט סאַמערייזד מעטאַדאַטאַ איז אויך אַ וויכטיק טייל פון די data warehouse. אַבסטראַקט דער באַגריף פון די סטאָרידזש פון דאַטע עס האט לעצטנס באקומען אַ פּלאַץ פון ופמערקזאַמקייט און איז געווארן אַ גאַנג פון די 90 ס. דאָס איז רעכט צו דער פיייקייט פון אַ data warehouse צו באַקומען די לימיטיישאַנז פון פאַרוואַלטונג שטיצן סיסטעמען אַזאַ ווי באַשלוס שטיצן סיסטעמען (DSS) און יגזעקיאַטיוו אינפֿאָרמאַציע סיסטעמען (EIS). אפילו אויב דער באַגריף פון data warehouse קוקט פּראַמאַסינג, ינסטרומענט איך data warehouse קענען זיין פּראָבלעמאַטיק רעכט צו גרויס-וואָג ווערכאַוזינג פּראַסעסאַז. טראָץ די קאַמפּלעקסיטי פון ווערכאַוזינג פּראַדזשעקס דאַטע, פילע סאַפּלייערז און קאַנסאַלטאַנץ וואָס לאַגער דאַטע זיי פאָדערן אַז די סטאָרידזש פון דאַטע קראַנט טוט נישט פאַרשאַפן קיין פראבלעמען. אָבער, אין די אָנהייב פון דעם פאָרשונג פּרויעקט, כּמעט קיין פרייַ, שטרענג און סיסטעמאַטיש פאָרשונג האט שוין דורכגעקאָכט. דעריבער עס איז שווער צו זאָגן וואָס אַקשלי כאַפּאַנז אין די אינדוסטריע ווען זיי זענען געבויט data warehouse. דעם לערנען יקספּלאָרד די ווערכאַוזינג פיר פון דאַטע קאָנטעמפּאָראַריעס וואָס יימז צו אַנטוויקלען אַ ריטשער פארשטאנד פון אַוסטראַליאַן פיר. די ליטעראַטור רעצענזיע צוגעשטעלט די קאָנטעקסט און יסוד פֿאַר די עמפּיריקאַל לערנען. עס זענען אַ נומער פון רעזולטאַטן פון דעם פאָרשונג. ערשטער, דעם לערנען אנטפלעקט די אַקטיוויטעטן וואָס זענען פארגעקומען בעשאַס דער אַנטוויקלונג פון די data warehouse. אין פילע געביטן, י דאַטע אלנגעזאמלט באשטעטיקט די פירונג געמאלדן אין דער ליטעראַטור. צווייטנס, די ישוז און פראבלעמען וואָס קען ווירקן די אַנטוויקלונג פון די data warehouse זענען יידענאַפייד דורך דעם לערנען. צום סוף, בענעפיץ גאַינעד דורך אַוסטראַליאַן אָרגאַנאַזיישאַנז פֿאַרבונדן מיט די נוצן פון data warehouse זענען אנטפלעקט געווארן.

קאַפּיטל 1

זוכן קאָנטעקסט

דער באַגריף פון דאַטן ווערכאַוזינג באקומען וויידספּרעד ויסשטעלן און געווארן אַ ימערדזשינג גאַנג אין די 90 ס (McFadden 1996, TDWI 1996, Shah און Milstein 1997, Shanks et al. 1997, Eckerson 1998, Adelman and Oates 2000). דאָס קען זיין געזען פֿון די גראָוינג נומער פון אַרטיקלען אויף דאַטן ווערכאַוזינג אין האַנדל אויסגאבעס (Little and Gibson 1999). פילע אַרטיקלען (זען, למשל, Fisher 1995, Hackathorn 1995, Morris 1995a, Bramblett and King 1996, Graham et al. 1996, Sakaguchi and Frolick 1996, Alvarez 1997, Brousell 1997, Clarke 1997, 1997, O. עדוואַרדס 1997, TDWI 1998) האָבן געמאלדן באַטייטיק בענעפיץ פון אָרגאַנאַזיישאַנז וואָס ינסטרומענט י. data warehouse. זיי באַקט אַרויף זייער טעאָריע מיט אַנעקדאָטאַל זאָגן פון געראָטן ימפּלאַמענטיישאַן, הויך צוריקקער אויף ינוועסמאַנט (ROI) פיגיערז, און, אויך, דורך צושטעלן גיידליינז אָדער מעטאַדאַלאַדזשיז פֿאַר דעוועלאָפּינג data warehouse

(Shanks et al. 1997, Seddon and Benjamin 1998, Little and Gibson 1999). אין אַן עקסטרעם פאַל, Graham et al. (1996) געמאלדן אַ דורכשניטלעך צוריקקער אויף אַ דריי יאָר ינוועסמאַנט פון 401%.

אַ סך פֿון דער איצטיקער ליטעראַטור האָט אָבער איבערגעלאָזט די קאַמפּלעקסיטיעס וואָס זענען באַנומען אין אונטערנעמען אַזאַ פּראָיעקטן. די פּראַדזשעקס פון data warehouse זיי זענען נאָרמאַלי קאָמפּלעקס און גרויס-וואָג און דעריבער האָבן אַ הויך מאַשמאָעס פון דורכפאַל אויב זיי זענען נישט קערפאַלי קאַנטראָולד (Shah and Milstein 1997, Eckerson 1997, Foley 1997b, Zimmer 1997, Bort 1998, Gibbs and Clymer 1998, Rao 1998). זיי דאַרפן וואַסט אַמאַונץ פון מענטשלעך און פינאַנציעל רעסורסן, און צייט און מי צו בויען זיי (Hill 1998, Crofts 1998). די טיפּיש צייט און פינאַנציעל מיטלען פארלאנגט זענען בעערעך צוויי יאָר און צוויי צו דריי מיליאָן דאָללאַרס ריספּעקטיוולי (Braly 1995, Foley 1997b, Bort 1998, Humphries et al. 1999). די צייט און פינאַנציעל מיטלען זענען פארלאנגט צו קאָנטראָלירן און קאָנסאָלידירן פילע פאַרשידענע אַספּעקץ פון דאַטן ווערכאַוזינג (Cafasso 1995, Hill 1998). צוזאמען מיט די ייַזנוואַרג און ווייכווארג קאַנסידעריישאַנז, אנדערע פאַנגקשאַנז, וואָס בייַטן פון די יקסטראַקשאַן פון דאַטע צו די לאָודינג פּראַסעסאַז פון דאַטע, די זכּרון קאַפּאַציטעט צו פירן דערהייַנטיקונגען און די מעטאַ דאַטע פֿאַר באַניצער טריינינג, מוזן זיין קאַנסידערד.

אין דער צייט פון דעם פאָרשונג פּרויעקט אנגעהויבן, עס איז געווען זייער קליין אַקאַדעמיק פאָרשונג אין די פעלד פון דאַטן ווערכאַוזינג, ספּעציעל אין אַוסטראַליאַ. דאָס איז געווען קענטיק פון די מאַנגל פון ארויס אַרטיקלען וועגן דאַטן ווערכאַוזינג פון דזשערנאַלז אָדער אנדערע אַקאַדעמיק שריפטן פון דער צייט. פילע פון ​​די בנימצא אַקאַדעמיק שריפטן דיסקרייבד די יו. עס. דערפאַרונג. די פעלן פון אַקאַדעמיק פאָרשונג אין דער געגנט פון דאַטן ווערכאַוזינג האט געפֿירט קאַללס פֿאַר שטרענג פאָרשונג און עמפּיריקאַל שטודיום (McFadden 1996, Shanks et al. 1997, Little and Gibson 1999). אין באַזונדער, פאָרשונג שטודיום אויף די ימפּלאַמענטיישאַן פּראָצעס פון data warehouse דאַרפֿן צו זיין געטאן צו פאַרברייטערן אַלגעמיין וויסן וועגן די ימפּלאַמענטיישאַן פון data warehouse און וועט דינען ווי דער יסוד פֿאַר אַ צוקונפֿט פאָרשונג לערנען (Shanks et al. 1997, Little and Gibson 1999).

דער ציל פון דעם לערנען איז דעריבער צו לערנען וואָס אַקשלי כאַפּאַנז ווען אָרגאַנאַזיישאַנז דורכפירן און נוצן י data warehouse אין אויסטראַליע. ספּעציעל, דעם לערנען וועט אַרייַנציען אַן אַנאַליסיס פון אַ גאַנץ פּראָצעס פון דעוועלאָפּינג אַ data warehouse, סטאַרטינג פון ינישיישאַן און פּלאַנירונג דורך פּלאַן און ימפּלאַמענטיישאַן און סאַבסאַקוואַנט נוצן אין אַוסטראַליאַן אָרגאַנאַזיישאַנז. אין אַדישאַן, די לערנען וועט אויך ביישטייערן צו קראַנט פיר דורך ידענטיפיצירן געביטן ווו פיר קענען זיין ימפּרוווד ווייַטער און יניפעקטיווז און ריסקס קענען זיין מינאַמייזד אָדער אַוווידיד. דערצו, עס וועט דינען ווי אַ יקער פֿאַר אנדערע שטודיום אויף data warehouse אין אויסטראַליע און וועט פּלאָמבירן די ריס וואָס איצט יגזיסץ אין דער ליטעראַטור.

פאָרשונג שאלות

די אָביעקטיוו פון דעם פאָרשונג איז צו לערנען די אַקטיוויטעטן ינוואַלווד אין די ימפּלאַמענטיישאַן פון data warehouse און זייער נוצן דורך אַוסטראַליאַן אָרגאַנאַזיישאַנז. אין באַזונדער, עלעמענטן וועגן פּרויעקט פּלאַנירונג, אַנטוויקלונג, אָפּעראַציע, נוצן און די ריסקס ינוואַלווד זענען געלערנט. אַזוי די קשיא פון דעם פאָרשונג איז:

"ווי איז די קראַנט פיר פון די data warehouse אין אויסטראַליע?"

צו יפעקטיוולי ענטפֿערן דעם קשיא, אַ נומער פון סאַבסידיערי פאָרשונג פֿראגן זענען פארלאנגט. אין באַזונדער, דריי סאַב-פֿראגן זענען יידענאַפייד פון דער ליטעראַטור, וואָס איז דערלאנגט אין קאַפּיטל 2, צו פירן דעם פאָרשונג פּרויעקט: ווי זענען די data warehouse פֿון אַוסטראַליאַן אָרגאַניזאַציעס? וואָס פּראָבלעמס האָבן איר געפּלאָנטערט?

וואָס זענען די בענעפיץ יקספּיריאַנסט?
אין ענטפֿערן די פֿראגן, אַן עקספּלאָראַטאָרי פאָרשונג פּלאַן מיט אַ יבערבליק איז געניצט. ווי אַן עקספּלאָראַטאָרי לערנען, די ענטפֿערס צו די אויבן פראגעס זענען נישט גאַנץ (Shanks et al. 1993, Denscombe 1998). אין דעם פאַל, עטלעכע טריאַנגולאַטיאָן איז פארלאנגט צו פֿאַרבעסערן די ענטפֿערס צו די פֿראגן. אָבער, די ויספאָרשונג וועט צושטעלן אַ האַרט יסוד פֿאַר צוקונפֿט אַרבעט אונטערזוכן די פֿראגן. א דיטיילד דיסקוסיע פון ​​טערעץ און פּלאַן פון פאָרשונג מעטהאָדס איז דערלאנגט אין קאַפּיטל 3.

סטרוקטור פון די פאָרשונג פּרויעקט

דער פאָרשונג פּרויעקט איז צעטיילט אין צוויי פּאַרץ: די קאָנטעקסטואַל לערנען פון די דאַטן ווערכאַוזינג באַגריף און די עמפּיריקאַל פאָרשונג (זען פיגורע 1.1), יעדער פון וואָס איז דיסקאַסט אונטן.

טייל איך: קאָנטעקסטואַל לערנען

דער ערשטער טייל פון דער פאָרשונג קאָנסיסטעד פון ריוויוינג די קראַנט ליטעראַטור אויף פאַרשידן טייפּס פון דאַטן ווערכאַוזינג אַרייַנגערעכנט באַשלוס שטיצן סיסטעמען (DSS), יגזעקיאַטיוו אינפֿאָרמאַציע סיסטעמען (EIS), פאַל שטודיום פון data warehouse און די באַגריף פון data warehouse. אויך, די רעזולטאַטן פון די גרופּעס אויף data warehouse און עקספּערט און פּראַקטישנער באַגעגעניש גרופּעס געפירט דורך די Monash DSS פאָרשונג גרופּע, קאַנטריביוטיד צו דעם פאַסע פון ​​די לערנען וואָס איז געווען בדעה צו באַקומען ינסייט אין די פיר פון data warehouse און צו ידענטיפיצירן די ריסקס ינוואַלווד אין זייער אַדאַפּשאַן. בעשאַס דעם פּעריאָד פון קאָנטעקסטואַל לערנען, אַ פארשטאנד פון די פּראָבלעם געגנט איז געגרינדעט צו צושטעלן די וויסן באַזע פֿאַר סאַבסאַקוואַנט עמפּיריקאַל ינוועסטאַגיישאַנז. אָבער, דאָס איז געווען אַ אָנגאָינג פּראָצעס בעשאַס די אָנפירן פון די פאָרשונג לערנען.

צווייטער טייל: עמפירישע פארשונג

די לעפיערעך נייַע באַגריף פון דאַטן ווערכאַוזינג, ספּעציעל אין אַוסטראַליאַ, האט באשאפן די נויט פֿאַר אַ יבערבליק צו באַקומען אַ ברייט בילד פון די באַניץ דערפאַרונג. דער טייל איז דורכגעקאָכט אַמאָל די פּראָבלעם פעלד איז געגרינדעט דורך אַ ברייט ליטעראַטור רעצענזיע. די דאַטן ווערכאַוזינג באַגריף געשאפן בעשאַס די קאָנטעקסטואַל לערנען פאַסע איז געניצט ווי אַרייַנשרייַב פֿאַר די ערשט אַנקעטע פון ​​​​דעם לערנען. נאָך דעם, דער אַנקעטע איז ריוויוד. זענט איר אַ מומחה אויף data warehouse אנטייל אין די פּראָבע. דער ציל פון טעסטינג די ערשט אַנקעטע איז געווען צו קאָנטראָלירן די קאַמפּליטנאַס און אַקיעראַסי פון די פֿראגן. באַזירט אויף די פּראָבע רעזולטאַטן, די אַנקעטע איז מאַדאַפייד און די מאַדאַפייד ווערסיע איז געווען פּאָסט צו די יבערבליק פּאַרטיסאַפּאַנץ. די אומגעקערט קוועסטשאַנערז זענען דעמאָלט אַנאַלייזד פֿאַר י דאַטע אין טישן, דייאַגראַמז און אנדערע פֿאָרמאַטירונגען. די

אַנאַליסיס רעזולטאַטן פון דאַטע פאָרעם אַ מאָמענטבילד פון דאַטן ווערכאַוזינג פיר אין אַוסטראַליאַ.

דאַטן וואַרעהאָוסינג איבערבליק

דער באַגריף פון דאַטן ווערכאַוזינג האט יוואַלווד מיט ימפּרווומאַנץ אין קאָמפּיוטער טעכנאָלאָגיע.
עס איז אַימעד צו אָוווערקאַמינג די פּראָבלעמס געפּלאָנטערט דורך אַפּלאַקיישאַן שטיצן גרופּעס אַזאַ ווי Decision Support System (DSS) און Executive Information System (EIS).

אין דער פאַרגאַנגענהייט, די ביגאַסט שטערונג פון די אַפּלאַקיישאַנז איז געווען די ינאַביליטי פון די אַפּלאַקיישאַנז צו צושטעלן אַ דאַטן באַזע נייטיק פֿאַר די אַנאַליסיס.
דאָס איז דער הויפּט געפֿירט דורך די נאַטור פון די אַרבעט פון די פאַרוואַלטונג. די אינטערעסן פון אַ פירמע 'ס פאַרוואַלטונג בייַטן קעסיידער דיפּענדינג אויף די געגנט באדעקט. דעריבער איך דאַטע פונדאַמענטאַל צו די אַפּלאַקיישאַנז מוזן קענען צו טוישן ראַפּאַדלי דיפּענדינג אויף די טייל צו זיין באהאנדלט.
דאָס מיינט אַז איך דאַטע מוזן זיין בנימצא אין די צונעמען פאָרעם פֿאַר די פארלאנגט אַנאַליזעס. אין פאַקט, אַפּלאַקיישאַן שטיצן גרופּעס האָבן געפֿונען עס זייער שווער אין דער פאַרגאַנגענהייט צו זאַמלען און ויסשטימען דאַטע פון קאָמפּלעקס און דייווערס קוואלן.

די רעשט פון דעם אָפּטיילונג גיט אַן איבערבליק פון דער באַגריף פון דאַטן ווערכאַוזינג און דיסקאַסט ווי די data warehouse קענען באַקומען די פראבלעמען פון אַפּלאַקיישאַן שטיצן גרופּעס.
דער טערמין "דאַטע וואַרעהאָוסעאיז פּאָפּולערייזד דורך וויליאם ינמאָן אין 1990. זיין אָפט-ציטירטן דעפֿיניציע זעט די דאַטע וואַרעהאָוסע ווי אַ זאַמלונג פון דאַטע ונטערטעניק-אָריענטיד, ינאַגרייטיד, ניט-וואַלאַטאַל, און וועריאַבאַל איבער צייַט, אין שטיצן פון פאַרוואַלטונג דיסיזשאַנז.

ניצן דעם דעפֿיניציע Inmon ווייזט אַז איך דאַטע וואוינט אין א data warehouse מוזן האָבן די פאלגענדע 4 קעראַקטעריסטיקס:

• ▪ טעמע-אָריענטיד
• ▪ ינטעגראַטעד
• ▪ ניט-וואַלאַטאַל
• ▪ וועריאַבאַל איבער צייַט דורך ונטערטעניק-אָריענטיד ינמאָן מיטל אַז איך דאַטע אין data warehouse אין די גרעסטע אָרגאַנאַזיישאַנאַל געביטן וואָס זענען געווען

דיפיינד אין די מאָדעל דאַטע. פֿאַר בייַשפּיל אַלע דאַטע וועגן איך קאַסטאַמערז זענען קאַנטיינד אין די ונטערטעניק געגנט קאַסטאַמערז. פּונקט אַזוי אַלע דאַטע רילייטינג צו די פּראָדוקטן זענען קאַנטיינד אין די פּראָדוקטן ונטערטעניק געגנט.

דורך ינטעגראַטעד ינמאָן מיטל אַז איך דאַטע פֿון פאַרשידענע פּלאַטפאָרמס, סיסטעמען און לאָוקיישאַנז זענען קאַמביינד און סטאָרד אין איין אָרט. דעריבער דאַטע ענלעך אָנעס מוזן זיין פארוואנדלען אין קאָנסיסטענט פֿאָרמאַטירונגען אין סדר צו זיין מוסיף און קאַמפּערד לייכט.
פֿאַר בייַשפּיל, מענלעך און ווייַבלעך דזשענדער זענען רעפּריזענטיד דורך די אותיות M און F אין איין סיסטעם, און דורך 1 און 0 אין אנדערן. צו ויסשטימען זיי רעכט, איינער אָדער ביידע פֿאָרמאַטירונגען מוזן זיין פארוואנדלען אַזוי אַז די צוויי פֿאָרמאַטירונגען זענען גלייַך. אין דעם פאַל, מיר קענען טוישן M צו 1 און F צו 0 אָדער וויצע ווערסאַ. טעמע-אָריענטיד און ינטעגראַטעד אָנווייַזן אַז די data warehouse איז דיזיינד צו צושטעלן אַ פאַנגקשאַנאַל און טראַנסווערסאַל זעאונג פון דאַטע דורך די פירמע.

מיט ניט-וואַלאַטאַל מיינט ער אַז איך דאַטע אין data warehouse בלייַבן קאָנסיסטענט און די אַפּדייטינג פון דאַטע עס איז ניט נייטיק. אַנשטאָט, קיין ענדערונג אין די דאַטע אָריגינאַלס איז מוסיף צו די דאַטאַבייס דעל data warehouse. דאָס הייסט, אַז דער היסטאָרישער דעי דאַטע איז אנטהאלטן אין data warehouse.

פֿאַר וועריאַבאַלז מיט צייט ינמאָן ינדיקייץ אַז איך דאַטע אין data warehouse שטענדיק אַנטהאַלטן די טעמפּאָ ינדיקאַטאָרס איי דאַטע זיי נאָרמאַלי אַריבער אַ זיכער צייט האָריזאָנט. למשל א
data warehouse קענען אַנטהאַלטן 5 יאָר פון היסטארישע וואַלועס פון קאַסטאַמערז פון 1993 צו 1997. די אַוויילאַבילאַטי פון די היסטארישע און פון אַ צייט סעריע פון ​​די דאַטע אַלאַוז איר צו פונאַנדערקלייַבן טרענדס.

Un data warehouse ער קען קלייַבן זיין אייגענע דאַטע פֿון OLTP סיסטעמען; פֿון קוואלן דאַטע פונדרויסנדיק צו דער אָרגאַניזאַציע און / אָדער דורך אנדערע ספּעציעל טראַפּינג סיסטעם פּראַדזשעקס דאַטע.
I דאַטע אויסצוגן קענען דורכגיין אַ רייניקונג פּראָצעס, אין דעם פאַל איך דאַטע זענען פארוואנדלען און ינאַגרייטיד איידער זיי זענען סטאָרד אין די דאַטאַבייס דעל data warehouse. דעמאָלט איך דאַטע

וווינען אין די דאַטאַבייס דעל data warehouse זענען בארעכטיגט פֿאַר סוף-באַניצער לאָגינס און אָפּזוך מכשירים. מיט די מכשירים, דער סוף באַניצער קענען אַקסעס די ינאַגרייטיד מיינונג פון די אָרגאַניזאַציע דאַטע.

I דאַטע וווינען אין די דאַטאַבייס דעל data warehouse זיי זענען סטאָרד אין ביידע דיטיילד און קיצער פֿאָרמאַטירונגען.
דער מדרגה פון קיצער קען אָפענגען אויף די נאַטור פון די דאַטע. איך דאַטע דיטיילד קען צונויפשטעלנ זיך פון דאַטע קראַנט און דאַטע היסטאָריקער
I דאַטע פאַקטיש זענען נישט אַרייַנגערעכנט אין די data warehouse ביז איך דאַטע אין data warehouse זענען שייַעך-דערהייַנטיקט.
אין דערצו צו סטאָרינג די דאַטע זיך, א data warehouse עס קענען אויך קראָם אַ אַנדערש מין פון dato גערופן METADATA דיסקרייבינג איך דאַטע וואוינט אין זיין דאַטאַבייס.
עס זענען צוויי טייפּס פון מעטאַדאַטאַ: אַנטוויקלונג מעטאַדאַטאַ און אַנאַליסיס מעטאַדאַטאַ.
אנטוויקלונג מעטאַדאַטאַ איז געניצט צו פירן און אָטאַמייט די יקסטראַקשאַן, רייניקונג, מאַפּינג און לאָודינג פּראַסעסאַז פון די דאַטע אין data warehouse.
די אינפֿאָרמאַציע קאַנטיינד אין די אַנטוויקלונג מעטאַדאַטאַ קען אַנטהאַלטן דעטאַילס פון אָפּערייטינג סיסטעמען, דעטאַילס פון די עלעמענטן צו זיין יקסטראַקטיד, די מאָדעל דאַטע דעל data warehouse און געשעפט כּללים פֿאַר קאַנווערטינג דאַטע.

די צווייטע טיפּ פון מעטאַדאַטאַ, באקאנט ווי אַנאַליטיקס מעטאַדאַטאַ, ינייבאַלז די סוף באַניצער צו ויספאָרשן די אינהאַלט פון די data warehouse צו געפֿינען די דאַטע בנימצא און זייער טייַטש אין קלאָר, ניט-טעכניש טערמינען.

דעריבער אַנאַליטיקס מעטאַדאַטאַ אַרבעט ווי אַ בריק צווישן די data warehouse און סוף-באַניצער אַפּלאַקיישאַנז. דעם מעטאַדאַטאַ קענען אַנטהאַלטן די געשעפט מאָדעל, דיסקריפּשאַנז פון דאַטע קאָראַספּאַנדינג צו די געשעפט מאָדעל, פאַר-דיפיינד קוויריז און ריפּאָרץ, אינפֿאָרמאַציע פֿאַר באַניצער אַקסעס און די אינדעקס.

מעטאַדאַטאַ אַנאַליסיס און אַנטוויקלונג מוזן זיין קאַמביינד אין איין ינאַגרייטיד מעטאַדאַטאַ צו פונקציאָנירן רעכט.

צום באַדויערן, פילע פון ​​די יגזיסטינג מכשירים האָבן זייער אייגענע מעטאַדאַטאַ און עס זענען דערווייַל קיין יגזיסטינג סטאַנדאַרדס פֿאַר דעם

לאָזן דאַטן ווערכאַוזינג מכשירים צו ויסשטימען דעם מעטאַדאַטאַ. צו סגולע דעם סיטואַציע, פילע טריידערז פון די הויפּט דאַטן ווערכאַוזינג מכשירים געשאפן די מעטאַ דאַטאַ קאָונסיל וואָס שפּעטער געווארן די מעטאַ דאַטאַ קאָואַלישאַן.

דער ציל פון דעם קאָואַלישאַן איז צו בויען אַ נאָרמאַל מעטאַדאַטאַ שטעלן וואָס אַלאַוז פאַרשידענע דאַטן ווערכאַוזינג מכשירים צו בייַטן די מעטאַדאַטאַ.
זייער השתדלות ריזאַלטיד אין דער געבורט פון די מעטאַ דאַטאַ ינטערטשאַנגע ספּעסיפיקאַטיאָן (מדיס) וואָס וועט לאָזן די וועקסל פון אינפֿאָרמאַציע צווישן מיקראָסאָפט אַרקייווז און די פֿאַרבונדענע MDIS טעקעס.

די עקזיסטענץ פון דאַטע ביידע סאַמערייזד / ינדעקסט און דיטיילד גיט דער באַניצער די מעגלעכקייט צו דורכפירן אַ DRILL DROWN (דרילינג) פֿון דאַטע ינדעקסט צו דיטיילד אָנעס און וויצע ווערסאַ. די עקזיסטענץ פון דאַטע דיטיילד היסטאָריעס לאָזן די שאַפונג פון גאַנג אַנאַליזעס איבער צייט. אַדדיטיאָנאַללי די אַנאַליטיקס מעטאַדאַטאַ קענען זיין געוויינט ווי אַ וועגווייַזער פון דאַטאַבייס דעל data warehouse צו העלפן סוף ניצערס געפינען די דאַטע נייטיק.

אין פאַרגלייַך צו OLTP סיסטעמען, מיט זייער פיייקייט צו שטיצן אַנאַליסיס פון דאַטע און ריפּאָרטינג, די data warehouse עס איז געזען ווי אַ מער צונעמען סיסטעם פֿאַר אינפֿאָרמאַציע פּראַסעסאַז אַזאַ ווי מאכן און ריספּאַנדינג צו פֿראגן און פּראָדוצירן ריפּאָרץ. דער ווייַטער אָפּטיילונג וועט הויכפּונקט די דיפעראַנסיז צווישן די צוויי סיסטעמען אין דעטאַל.

דאַטן וואַרעהאָוסע קעגן אָלטפּ סיסטעמען

פילע פון ​​די אינפֿאָרמאַציע סיסטעמען אין אָרגאַנאַזיישאַנז זענען בדעה צו שטיצן טאָג-צו-טאָג אַפּעריישאַנז. די סיסטעמען באקאנט ווי OLTP SYSTEMS, כאַפּן קאַנטיניואַסלי דערהייַנטיקט טעגלעך טראַנזאַקשאַנז.

I דאַטע אין די סיסטעמען זיי זענען אָפט מאַדאַפייד, צוגעגעבן אָדער אויסגעמעקט. צום ביישפּיל, די אַדרעס פון אַ קונה ענדערט זיך ווען ער גייט פון איין אָרט צו אנדערן. אין דעם פאַל, די נייַע אַדרעס וועט זיין רעגיסטרירט דורך מאָדיפיצירן די אַדרעס פעלד דאַטאַבייס. די הויפּט אָביעקטיוו פון די סיסטעמען איז צו רעדוצירן טראַנסאַקטיאָן קאָס און אין דער זעלביקער צייט רעדוצירן פּראַסעסינג צייט. ביישפילן פון OLTP סיסטעמען אַרייַננעמען קריטיש אַקשאַנז אַזאַ ווי סדר פּאָזיציע, פּייראָול, ינווויס, מאַנופאַקטורינג, קונה דינסט קאַסטאַמערז.

ניט ענלעך OLTP סיסטעמען, וואָס זענען באשאפן פֿאַר טראַנסאַקטיאָן און געשעעניש-באזירט פּראַסעסאַז, י data warehouse זענען באשאפן צו צושטעלן שטיצן פֿאַר אַנאַליטיקס-באזירט פּראַסעסאַז דאַטע און באַשלוס-מאכן פּראַסעסאַז.

דאָס איז נאָרמאַלי אַטשיווד דורך ינטאַגרייטינג י דאַטע פון פאַרשידן OLTP און פונדרויסנדיק סיסטעמען אין אַ איין "קאַנטאַינער" פון דאַטע,ווי דיסקאַסט אין די פריערדיקע אָפּטיילונג.

מאָנאַש דאַטאַ וואַרעהאָוסינג פּראָצעס מאָדעל

דער פּראָצעס מאָדעל פֿאַר data warehouse מאָנאַש איז דעוועלאָפּעד דורך ריסערטשערז אין די מאָנאַש דסס פאָרשונג גרופע, און איז באזירט אויף דער ליטעראַטור פון data warehouse, אויף דערפאַרונג אין שטיצן די אַנטוויקלונג פון סיסטעמען פעלדער, אויף דיסקוסיעס מיט ווענדאָרס פון אַפּלאַקיישאַנז פֿאַר נוצן אויף data warehouse, אויף אַ גרופּע פון ​​עקספּערץ אין די נוצן פון data warehouse.

די פאַסעס זענען: ינישיישאַן, פּלאַנירונג, אַנטוויקלונג, אָפּעראַטיאָנס און דערקלערונגען. די דיאַגראַמע דערקלערט די יטעראַטיוו אָדער עוואָלוטיאָנאַרי נאַטור פון דער אַנטוויקלונג פון אַ data warehouse פּראָצעס ניצן צוויי-וועג אַראָוז געשטעלט צווישן די פאַרשידענע פייזאַז. אין דעם קאָנטעקסט, "יטעראַטיוו" און "עוואָלוטיאָנאַרי" מיינען אַז אין יעדער שריט פון דעם פּראָצעס, ימפּלאַמענטיישאַן אַקטיוויטעטן קענען שטענדיק פאַרשפּרייטן קאַפּויער צו די פריערדיקע פאַסע. דאָס איז רעכט צו דער נאַטור פון אַ פּרויעקט data warehouse אין וואָס נאָך ריקוועס פון די סוף באַניצער אויפשטיין אין קיין צייט. פֿאַר בייַשפּיל, בעשאַס דער אַנטוויקלונג פאַסע פון ​​אַ פּראָצעס data warehouse, אַ נייַע ויסמעסטונג אָדער ונטערטעניק געגנט איז געבעטן דורך דער סוף באַניצער, וואָס איז נישט טייל פון דער אָריגינעל פּלאַן, דאָס מוזן זיין מוסיף צו די סיסטעם. דעם ז אַ ענדערונג אין די פּרויעקט. דער רעזולטאַט איז אַז די פּלאַן מאַנשאַפֿט מוזן טוישן די רעקווירעמענץ פון די דאָקומענטן באשאפן ביז אַהער בעשאַס די פּלאַן פאַסע. אין פילע קאַסעס, די קראַנט שטאַט פון די פּרויעקט מוזן גיין צוריק צו די פּלאַן פאַסע, ווו די נייַע פאָדערונג מוזן זיין צוגעגעבן און דאַקיומענטאַד. דער סוף באַניצער מוזן קענען צו זען די ספּעציפיש דאַקיומענטיישאַן ריוויוד און די ענדערונגען וואָס זענען געמאכט אין דער אַנטוויקלונג פאַסע. אין די סוף פון דעם אַנטוויקלונג ציקל די פּרויעקט מוזן באַקומען ויסגעצייכנט באַמערקונגען פון ביידע אַנטוויקלונג און באַניצער טימז. דער באַמערקונגען איז דעמאָלט ריוזד צו פֿאַרבעסערן אַ צוקונפֿט פּרויעקט.

קאַפּאַציטעט פּלאַנירונג
דוו טענד צו זיין זייער גרויס אין גרייס און וואַקסן זייער געשווינד (בעסטער 1995, רודין 1997אַ) ווי אַ רעזולטאַט פון די סומע פון דאַטע היסטאָריעס וואָס זיי האַלטן פון זייער געדויער. גראָוט קענען אויך זיין געפֿירט דורך דאַטע אַדישאַנז געבעטן דורך יוזערז צו פאַרגרעסערן די ווערט פון דאַטע אַז זיי האָבן שוין. אַקקאָרדינגלי, די סטאָרידזש באדערפענישן פֿאַר דאַטע קענען זיין באטייטיק ענכאַנסט (Eckerson 1997). אזוי, עס איז יקערדיק צו ענשור, דורך קאַנדאַקטינג קאַפּאַציטעט פּלאַנירונג, אַז די סיסטעם וואָס איז געבויט קענען וואַקסן ווי די באדערפענישן וואַקסן (בעסטער 1995, LaPlante 1996, Lang 1997, Eckerson 1997, Rudin 1997a, Foley 1997a).
אין פּלאַנירונג פֿאַר סקאַלאַביליטי פון די דאַטאַבייס, איר מוזן וויסן די דערוואַרט וווּקס אין די גרייס פון די ווערכאַוס, די טייפּס פון פֿראגן וואָס זענען מסתּמא צו זיין געמאכט און די נומער פון סוף יוזערז געשטיצט (Best 1995, Rudin 1997b, Foley 1997a). בנין סקאַלאַבלע אַפּלאַקיישאַנז ריקווייערז אַ קאָמבינאַציע פון ​​סקאַלאַבלע סערווער טעקנאַלאַדזשיז און סקאַלאַבלע אַפּלאַקיישאַן פּלאַן טעקניקס (בעסטער 1995, Rudin 1997b. ביידע זענען נייטיק אין בנין אַ העכסט סקאַלאַבלע אַפּלאַקיישאַן. סקאַלאַבלע סערווער טעקנאַלאַדזשיז קענען מאַכן עס גרינג און אַדוואַנטיידזשאַס צו לייגן סטאָרידזש, זכּרון און קפּו אָן דיגריידינג. פאָרשטעלונג (לאַנג 1997, טעלעפאָני 1997).

עס זענען צוויי הויפּט סקאַלאַבלע סערווער טעקנאַלאַדזשיז: סיממעטריק קייפל פּראַסעסינג (SMP) און מאַסיוו פּאַראַלעל פּראַסעסינג (MPP) (IDC 1997, Humphries et al. 1999). אַ SMP סערווער טיפּיקלי האט קייפל פּראַסעסערז וואָס טיילן אַ זכּרון, סיסטעם ויטאָבוס און אנדערע רעסורסן (IDC 1997, Humphries et al. 1999). נאָך פּראַסעסערז קענען זיין מוסיף צו פאַרגרעסערן זייַן מאַכט קאַמפּיוטיישאַנאַל. אן אנדער אופֿן צו פאַרגרעסערן די מאַכט פון די SMP סערווער, איז צו פאַרבינדן פילע SMP מאשינען. דעם טעכניק איז באקאנט ווי קלאַסטערינג (Humphries et al. 1999). א MPP סערווער, אויף די אנדערע האַנט, האט קייפל פּראַסעסערז יעדער מיט זיין אייגענע זכּרון, ויטאָבוס סיסטעם און אנדערע רעסורסן (IDC 1997, Humphries et al. 1999). יעדער פּראַסעסער איז גערופן אַ נאָדע. אַ פאַרגרעסערן אין מאַכט קאַמפּיוטיישאַנאַל קענען זיין אַטשיווד

אַדינג נאָך נאָודז צו MPP סערווערס (Humphries et al. 1999).

א שוואַכקייַט פון SMP סערווערס איז אַז צו פילע אַרייַנשרייַב-רעזולטאַט (איך / אָ) אַפּעריישאַנז קענען קאַנדזשעסט די סיסטעם ויטאָבוס (IDC 1997). דער פּראָבלעם קען נישט פּאַסירן אין MPP סערווערס ווייַל יעדער פּראַסעסער האט זיין אייגענע ויטאָבוס סיסטעם. אָבער, די ינטערקאַנעקשאַנז צווישן יעדער נאָדע זענען בכלל פיל סלאָוער ווי די SMP ויטאָבוס סיסטעם. אַדדיטיאָנאַללי, MPP סערווערס קענען לייגן אַן נאָך קאַמפּלעקסיטי מדרגה צו אַפּלאַקיישאַן דעוועלאָפּערס (IDC 1997). אזוי, די ברירה צווישן SMP און MPP סערווערס קענען זיין ינפלואַנסט דורך פילע סיבות, אַרייַנגערעכנט די קאַמפּלעקסיטי פון די אַפּלאַקיישאַנז, די פּרייַז / פאָרשטעלונג פאַרהעלטעניש, די פארלאנגט פּראַסעסינג קאַפּאַציטעט, די פּריווענטיד דוו אַפּלאַקיישאַנז און די פאַרגרעסערן אין גרייס פון די אַפּלאַקיישאַנז. דאַטאַבייס פון dw און אין די נומער פון סוף ניצערס.

פילע סקאַלאַבלע אַפּלאַקיישאַן פּלאַן טעקניקס קענען זיין געוויינט אין קאַפּאַציטעט פּלאַנירונג. איינער ניצט פאַרשידן אָנזאָג פּיריאַדז אַזאַ ווי טעג, וואָכן, חדשים און יאָרן. מיט פאַרשידן אָנזאָג פּיריאַדז, די דאַטאַבייס עס קענען זיין צעטיילט אין מאַנידזשאַבאַל גרופּט ברעקלעך (ינמאָן עט על. 1997). אן אנדער טעכניק איז צו נוצן קיצער טישן וואָס זענען קאַנסטראַקטאַד דורך סאַמערייזינג דאַטע da דאַטע דיטיילד. אַזוי, איך דאַטע סאַמערייזד זענען מער סאָליד ווי דיטיילד, וואָס ריקווייערז ווייניקער זכּרון פּלאַץ. אַזוי די דאַטע פון דעטאַל קענען זיין סטאָרד אין אַ ווייניקער טייַער סטאָרידזש אַפּאַראַט, וואָס סאַוועס אפילו מער סטאָרידזש. כאָטש ניצן קיצער טישן קענען שפּאָרן זיקאָרן פּלאַץ, זיי דאַרפן אַ פּלאַץ פון מי צו האַלטן זיי אַרויף-צו-טאָג און אין שורה מיט געשעפט דאַרף. אָבער, די טעכניק איז וויידלי געניצט און אָפט געניצט אין קאַנדזשאַנגקשאַן מיט די פריערדיקע טעכניק (בעסטער 1995, Inmon 1996a, Chauduri און Dayal
קסנומקס).

דיפיינינג דאַטע וואַרעהאָוסע טעכניש אַרקאַטעקטשער דעפֿיניציע פון ​​דוו אַרקאַטעקטשער טעקניקס

פרי אַדאָפּטערס פון דאַטן ווערכאַוזינג בפֿרט קאַנסיווד פון אַ סענטראַלייזד ימפּלאַמענטיישאַן פון די DW אין וואָס אַלע די דאַטע, אַרייַנגערעכנט איך דאַטע פונדרויסנדיק, זענען ינאַגרייטיד אין אַ איין,
גשמיות סטאָרידזש (Inmon 1996a, Bresnahan 1996, Peacock 1998).

דער הויפּט מייַלע פון ​​דעם צוגאַנג איז אַז די סוף ניצערס קענען צוטריט די ענטערפּרייז-ברייט מיינונג פון די דאַטע אָרגאַנאַזיישאַנאַל (אָווום 1998). אן אנדער מייַלע איז אַז עס אָפפערס סטאַנדערדיזיישאַן פון דאַטע דורך אָרגאַניזאַציע, וואָס מיטל עס איז בלויז איין ווערסיע אָדער דעפֿיניציע פֿאַר יעדער טערמינאָלאָגיע געניצט אין די dw ריפּאַזאַטאָרי (מעטאַדאַטאַ) (Flanagan און Safdie 1997, Ovum 1998). די מינוס פון דעם צוגאַנג, אויף די אנדערע האַנט, איז אַז עס איז טייַער און שווער צו בויען (Flanagan and Safdie 1997, Ovum 1998, Inmon et al. 1998). ניט לאַנג נאָך די סטאָרידזש אַרקאַטעקטשער דאַטע סענטראַלייזד געווארן פאָלקס, דער באַגריף פון יקסטראַקטינג קלענערער סאַבסעץ פון די יוואַלווד דאַטע צו שטיצן די באדערפענישן פון ספּעציפיש אַפּלאַקיישאַנז (Varney 1996, IDC 1997, Berson and Smith 1997, Peacock 1998). די קליין סיסטעמען זענען דעריוואַטיווז פון די גרעסערע data warehouse סענטראַלייזד. זיי זענען געהייסן data warehouse אָפענגיק דעפּאַרטמענטאַל אָדער אָפענגיק דאַטן מאַרץ. די אָפענגיק דאַטן מאַרט אַרקאַטעקטשער איז באקאנט ווי דריי-טירד אַרקאַטעקטשער ווו דער ערשטער ריי באשטייט פון די data warehouse סענטראַלייזד, די רגע באשטייט פון די דיפּאַזאַץ פון דאַטע דעפּאַרטמענטאַל און די דריט באשטייט פון צוטריט צו דאַטע און דורך אַנאַליסיס מכשירים (Demarest 1994, Inmon et al. 1997).

דאַטאַ מאַרץ זענען נאָרמאַלי געבויט נאָך די data warehouse סענטראַלייזד איז געבויט צו טרעפן די באדערפענישן פון ספּעציפיש וניץ (ווייסע 1995, וואַרניי 1996).
דאַטאַ מאַרץ קראָם די דאַטע זייער באַטייַטיק רילייטינג צו באַזונדער וניץ (Inmon et al. 1997, Inmon et al. 1998, IA 1998).

די מייַלע פון ​​דעם אופֿן איז אַז עס וועט זיין קיין dato ניט ינאַגרייטיד און אַז איך דאַטע וועט זיין ווייניקער יבעריק אין דאַטן מאַרץ ווי אַלע דאַטע זיי קומען פון אַ וואַרעהאָוסע דאַטע ינאַגרייטיד. אן אנדער מייַלע איז אַז עס וועט זיין ווייניק קאַנעקשאַנז צווישן יעדער דאַטן מאַרט און זייַן קוואלן דאַטע ווייַל יעדער דאַטן מאַרט האט בלויז איין מקור פון דאַטע. פּלוס מיט דעם אַרקאַטעקטשער אין פּלאַץ, סוף יוזערז קענען נאָך אַקסעס די איבערבליק פון דאַטע

פֿירמע אָרגאַניזאַציעס. דער אופֿן איז באַוווסט ווי דער שפּיץ-אַראָפּ אופֿן, ווו דאַטן מאַרץ זענען געבויט נאָך די data warehouse (פּאַווע 1998, Goff 1998).
ינקריסינג די נויט צו ווייַזן רעזולטאַטן פרי, עטלעכע אָרגאַנאַזיישאַנז האָבן אנגעהויבן צו בויען פרייַ דאַטן מאַרץ (Flanagan and Safdie 1997, White 2000). אין דעם פאַל, דאַטן מאַרץ באַקומען זייער אייגענע דאַטע גלייך פון די באַסיקס פון דאַטע OLTP און נישט פֿון די סענטראַלייזד און ינאַגרייטיד ווערכאַוס, אַזוי ילימאַנייטינג די נויט צו האָבן די הויפט ווערכאַוס אויף פּלאַץ.

יעדער דאַטן מאַרט ריקווייערז בייַ מינדסטער איין לינק צו זיין קוואלן דאַטע. א כיסאָרן פון האָבן קייפל קאַנעקשאַנז פֿאַר יעדער דאַטן מאַרט איז אַז, קאַמפּערד מיט די פריערדיקע צוויי אַרקאַטעקטשערז, די אָווועראַבונדאַנס פון דאַטע ינקריסיז באטייטיק.

יעדער דאַטן מאַרט מוזן קראָם אַלע די דאַטע פארלאנגט לאָוקאַלי צו האָבן קיין ווירקונג אויף OLTP סיסטעמען. דאָס גורם אַז איך דאַטע זיי זענען סטאָרד אין פאַרשידענע דאַטן מאַרץ (ינמאָן עט על. 1997). אן אנדער כיסאָרן פון דעם אַרקאַטעקטשער איז אַז עס פירט צו די שאַפונג פון קאָמפּלעקס ינטערקאַנעקשאַנז צווישן דאַטן מאַרץ און זייער דאַטן קוואלן. דאַטע וואָס זענען שווער צו דורכפירן און קאָנטראָלירן (ינמאָן עט על. 1997).

אן אנדער כיסאָרן איז אַז סוף ניצערס קענען נישט צוטריט די איבערבליק פון פירמע אינפֿאָרמאַציע ווייַל איך דאַטע פון די פאַרשידענע דאַטן מאַרץ זענען נישט ינאַגרייטיד (אָווום 1998).
נאָך אן אנדער כיסאָרן איז אַז עס קען זיין מער ווי איין דעפֿיניציע פֿאַר יעדער טערמינאָלאָגיע געניצט אין דאַטן מאַרץ וואָס דזשענערייץ ינגקאַנסיסטענסיז פון דאַטע אין דער אָרגאַניזאַציע (אָווום 1998).
טראָץ די דיסאַדוואַנטידזשיז דיסקאַסט אויבן, פרייַ דאַטן מאַרץ נאָך צוציען די אינטערעס פון פילע אָרגאַנאַזיישאַנז (IDC 1997). איין פאַקטאָר וואָס מאכט זיי אַטראַקטיוו איז אַז זיי זענען פאַסטער צו אַנטוויקלען און דאַרפן ווייניקער צייט און רעסורסן (Bresnahan 1996, Berson און Smith 1997, Ovum 1998). דעריבער, זיי דינען בפֿרט ווי פּראָבע פּראַדזשעקס וואָס קענען ווערן גענוצט צו געשווינד ידענטיפיצירן בענעפיץ און / אָדער ימפּערפעקשאַנז אין די פּרויעקט (Parsaye 1995, Braly 1995, Newing 1996). אין דעם פאַל, דער טייל צו זיין ימפּלאַמענאַד אין די פּילאָט פּרויעקט מוזן זיין קליין אָבער וויכטיק פֿאַר דער אָרגאַניזאַציע (Newing 1996, Mansell-Lewis 1996).

דורך דורכקוקן די פּראָוטאַטייפּ, סוף ניצערס און אַדמיניסטראַציע קענען באַשליסן צי צו פאָרזעצן אָדער האַלטן די פּרויעקט (Flanagan and Safdie 1997).
אויב דער באַשלוס איז צו פאָרזעצן, דאַטן מאַרץ פֿאַר אנדערע ינדאַסטריז זאָל זיין געבויט איינער אין אַ צייט. עס זענען צוויי אָפּציעס פֿאַר סוף ניצערס באזירט אויף זייער באדערפענישן אין בויען פרייַ דאַטן מאַטריץ: ינאַגרייטיד / פעדערייטיד און אַנינאַגרייטיד (אָווום 1998)

אין דער ערשטער אופֿן, יעדער נייַ דאַטן מאַרט זאָל זיין געבויט באזירט אויף די קראַנט דאַטן מאַרק און די מאָדעל דאַטע געוויינט דורך די פירמע (Varney 1996, Berson and Smith 1997, Peacock 1998). דער דאַרפֿן צו נוצן דעם מאָדעל דאַטע פון די פירמע מיטל אַז עס מוזן זיין ינשורד אַז עס איז בלויז איין דעפֿיניציע פֿאַר יעדער טערמינאָלאָגיע געניצט אַריבער דאַטן מאַרץ, דאָס איז אויך צו ענשור אַז פאַרשידענע דאַטן מאַרץ קענען זיין קאַמביינד צו געבן אַן איבערבליק פון פירמע אינפֿאָרמאַציע (Bresnahan 1996). דער אופֿן איז גערופן דנאָ-אַרויף און איז בעסטער ווען עס איז אַ באַגרענעצונג אויף פינאַנציעל מיטלען און צייט (Flanagan and Safdie 1997, Ovum 1998, Peacock 1998, Goff 1998). אין די רגע אופֿן, די קאַנסטראַקטאַד דאַטן מאַרץ קענען בלויז באַפרידיקן די באדערפענישן פון אַ ספּעציפיש אַפּאַראַט. א וואַריאַנט פון די פעדערייטיד דאַטן מאַרט איז די data warehouse פונאנדערגעטיילט אין וועלכע די דאַטאַבייס הוב סערווירער מידוואַרע איז געניצט צו צונויפגיסן פילע דאַטן מאַרץ אין אַ איין ריפּאַזאַטאָרי דאַטע פונאנדערגעטיילט (ווייסע 1995). אין דעם פאַל, י דאַטע קאָמפּאַניעס זענען פונאנדערגעטיילט אין עטלעכע דאַטן מאַרץ. סוף באַניצער ריקוועס זענען פאָרווערדיד צו דאַטאַבייס סערווער כאַב מידאַלוואַרע, וואָס עקסטראַקט אַלע די דאַטע געבעטן דורך דאַטן מאַרץ און קערט די רעזולטאַטן צו סוף-באַניצער אַפּלאַקיישאַנז. דער אופֿן גיט געשעפט אינפֿאָרמאַציע צו סוף ניצערס. אָבער, די פראבלעמען פון פרייַ דאַטן מאַרץ זענען נאָך נישט ילימאַנייטאַד. עס איז אן אנדער אַרקאַטעקטשער וואָס קענען זיין געוויינט וואָס איז גערופן די data warehouse ווירטועל (ווייסע 1995). אָבער, די אַרקאַטעקטשער, וואָס איז דיסקרייבד אין פיגורע 2.9, איז נישט אַ דאַטן סטאָרידזש אַרקאַטעקטשער. דאַטע פאַקטיש ווייַל עס טוט נישט מאַך לאָודינג פון OLTP סיסטעמען צו data warehouse (Demarest 1994).

אין פאַקט, די ריקוועס פון דאַטע פון סוף ניצערס זענען דורכגעגאנגען צו OLTP סיסטעמען וואָס צוריקקומען רעזולטאַטן נאָך פּראַסעסינג באַניצער ריקוועס. כאָטש די אַרקאַטעקטשער אַלאַוז סוף ניצערס צו דזשענערייט ריפּאָרץ און מאַכן ריקוועס, עס קען נישט צושטעלן די

דאַטע היסטארישע און איבערבליק פון פירמע אינפֿאָרמאַציע ווי איך דאַטע פֿון די פאַרשידענע OLTP סיסטעמען זענען נישט ינאַגרייטיד. דערפאר, דעם אַרקאַטעקטשער קענען נישט באַפרידיקן די אַנאַליסיס פון דאַטע קאָמפּלעקס אַזאַ ווי פאָרקאַסץ.

סעלעקציע פון ​​אַקסעס און אָפּזוך אַפּלאַקיישאַנז דאַטע

דער ציל פון בויען אַ data warehouse איז צו קאַנוויי אינפֿאָרמאַציע צו סוף ניצערס (ינמאָן עט על. 1997, Poe 1996, McFadden 1996, Shanks et al. 1997, Hammergren 1998); איינער אָדער מער אַקסעס און אָפּזוך אַפּלאַקיישאַנז דאַטע מוזן זיין צוגעשטעלט. ביז איצט, עס איז אַ ברייט פאַרשיידנקייַט פון אַפּלאַקיישאַנז פון וואָס דער באַניצער קענען קלייַבן (Hammergren 1998, Humphries עט על. 1999). די אַפּלאַקיישאַנז איר אויסקלייַבן באַשטימען די הצלחה פון דיין ווערכאַוזינג מי דאַטע אין אַן אָרגאַניזאַציע ווייַל אַפּלאַקיישאַנז זענען די מערסט קענטיק טייל פון data warehouse צו דער סוף באַניצער (Inmon et al. 1997, Poe 1996). צו זיין מצליח אַ data warehouse, מוזן קענען צו שטיצן די אַנאַליסיס אַקטיוויטעטן פון דאַטע פון די סוף באַניצער (Poe 1996, Seddon and Benjamin 1998, Eckerson 1999). אזוי דער "מדרגה" פון וואָס דער סוף באַניצער וויל מוזן זיין יידענאַפייד (Poe 1996, Mattison 1996, Inmon et al. 1997, Humphries et al. 1999).

אין אַלגעמיין, סוף ניצערס קענען זיין גרופּט אין דרייַ קאַטעגאָריעס: יגזעקיאַטיוו ניצערס, געשעפט אַנאַליס און מאַכט ניצערס (Poe 1996, Humphries et al. 1999). עקסעקוטיווע יוזערז דאַרפֿן גרינג אַקסעס צו פּרעדעפינעד שטעלט פון ריפּאָרץ (Humphries et al. 1999). די ריישיאָוז קענען זיין אַקסעסט לייכט מיט מעניו נאַוויגאַציע (Poe 1996). אין דערצו, ריפּאָרץ זאָל פאָרשטעלן אינפֿאָרמאַציע ניצן גראַפיקאַל פאַרטרעטונג אַזאַ ווי טישן און טעמפּלאַטעס צו געשווינד קאַנוויי אינפֿאָרמאַציע (Humphries et al. 1999). געשעפט אַנאַליס, וואָס קען נישט האָבן די טעכניש קייפּאַבילאַטיז צו אַנטוויקלען ריפּאָרץ פֿון קראַצן אויף זייער אייגן, דאַרפֿן צו קענען צו מאָדיפיצירן קראַנט ריפּאָרץ צו טרעפן זייער ספּעציפיש באדערפענישן (Poe 1996, Humphries et al. 1999). מאַכט יוזערז, אויף די אנדערע האַנט, זענען דער טיפּ פון סוף ניצערס וואָס האָבן די פיייקייט צו דזשענערייט און שרייַבן ריקוועס און ריפּאָרץ פֿון קראַצן (Poe 1996, Humphries et al. 1999). זיי זענען די וואס

זיי אַנטוויקלען ריפּאָרץ פֿאַר אנדערע טייפּס פון ניצערס (Poe 1996, Humphries et al. 1999).

אַמאָל די רעקווירעמענץ פון די סוף באַניצער האָבן שוין באשלאסן, אַ סעלעקציע פון ​​אַקסעס און אָפּזוך אַפּלאַקיישאַנז מוזן זיין געמאכט דאַטע צווישן אַלע די בנימצא (Poe 1996, Inmon et al. 1997).
צוטריט צו דאַטע און ריטריוואַל מכשירים קענען זיין קלאַסאַפייד אין 4 טייפּס: OLAP מכשירים, EIS / DSS מכשירים, אָנפֿרעג און ריפּאָרטינג מכשירים און דאַטן מיינינג מכשירים.

OLAP מכשירים לאָזן יוזערז צו שאַפֿן אַד האָק פֿראגן און די וואָס זענען געמאכט אויף די דאַטאַבייס דעל data warehouse. אַדדיטיאָנאַללי, די פּראָדוקטן לאָזן ניצערס צו בויער אַראָפּ פֿון דאַטע אַלגעמיין צו דיטיילד אָנעס.

EIS / DSS מכשירים צושטעלן יגזעקיאַטיוו ריפּאָרטינג אַזאַ ווי "וואָס אויב" אַנאַליסיס און אַקסעס צו מעניו-געטריבן ריפּאָרץ. ריפּאָרץ זאָל זיין פּרעדעפינעד און מערדזשד מיט מעניוז פֿאַר גרינגער נאַוויגאַציע.
אָנפֿרעג און ריפּאָרטינג מכשירים לאָזן ניצערס צו פּראָדוצירן פּרעדעפינעד און ספּעציפיש ריפּאָרץ.

דאַטאַ מיינינג מכשירים זענען געניצט צו ידענטיפיצירן באציונגען וואָס קען אָפּדאַך נייַ ליכט אויף פארגעסן אַפּעריישאַנז אין די דאַטע פון די דאַטן ווערכאַוס.

צוזאמען מיט אָפּטימיזינג די באדערפענישן פון יעדער טיפּ פון באַניצער, די אויסגעקליבן מכשירים מוזן זיין ינטואַטיוו, עפעקטיוו און גרינג צו נוצן. זיי אויך דאַרפֿן צו זיין קאַמפּאַטאַבאַל מיט אנדערע פּאַרץ פון דער אַרקאַטעקטשער און קענען צו אַרבעטן מיט יגזיסטינג סיסטעמען. עס איז אויך רעקאַמענדיד צו קלייַבן דאַטן אַקסעס און ריטריוואַל מכשירים מיט גלייַך פּרייז און פאָרשטעלונג. אנדערע קרייטיריאַ צו באַטראַכטן אַרייַננעמען די היסכייַוועס פון די געצייַג פאַרקויפער צו שטיצן זייער פּראָדוקט און ווי עס וועט אַנטוויקלען אין צוקונפֿט ריליסיז. צו ענשור באַניצער באַשטעלונג אין די נוצן פון די דאַטן ווערכאַוס, די אַנטוויקלונג מאַנשאַפֿט ינוואַלווז די באַניצער אין די סעלעקציע פּראָצעס פון מכשירים. אין דעם פאַל, אַ פּראַקטיש באַניצער אַסעסמאַנט זאָל זיין דורכגעקאָכט.

צו פֿאַרבעסערן די ווערט פון די דאַטן ווערכאַוס, די אַנטוויקלונג מאַנשאַפֿט קענען אויך צושטעלן וועב אַקסעס צו זייער דאַטן ווערכאַוס. א וועב-ענייבאַלד דאַטן ווערכאַוס אַלאַוז ניצערס צו אַקסעס די דאַטע פון ווייַט ערטער אָדער בשעת טראַוואַלינג. דערצו קענען אינפֿאָרמאַציע

צוגעשטעלט צו נידעריקער קאָס דורך אַ רעדוקציע אין טריינינג קאָס.

2.4.3 דאַטע וואַרעהאָוסע אָפּעראַציע פאַסע

דער פאַסע באשטייט פון דריי אַקטיוויטעטן: דעפֿיניציע פון ​​דאַטן דערפרישן סטראַטעגיעס, קאָנטראָל פון דאַטן ווערכאַוס אַקטיוויטעטן און פאַרוואַלטונג פון דאַטן ווערכאַוס זיכערהייט.

דעפֿיניציע פון ​​דאַטן דערפרישן סטראַטעגיעס

נאָך דער ערשט לאָודינג, י דאַטע אין דאַטאַבייס פון די דאַטן ווערכאַוס מוזן זיין דערקוויקט פּיריאַדיקלי צו רעפּראָדוצירן די ענדערונגען געמאכט צו זיי דאַטע אָריגינאַלס. איר מוזן דעריבער באַשליסן ווען צו דערפרישן, ווי אָפט די דערפרישן זאָל זיין סקעדזשולד און ווי צו דערפרישן די דאַטן דאַטע. עס איז סאַגדזשעסטיד צו דערפרישן די דאַטע ווען די סיסטעם קענען זיין אָפפלינע. דער דערפרישן אָפטקייַט איז באשלאסן דורך די אַנטוויקלונג מאַנשאַפֿט באזירט אויף באַניצער באדערפענישן. עס זענען צוויי אַפּראָוטשיז צו רעפרעשינג די דאַטן ווערכאַוס: די גאַנץ דערפרישן און די קעסיידערדיק לאָודינג פון ענדערונגען.

דער ערשטער צוגאַנג, פול דערפרישן, ריקווייערז רילאָודינג אַלע דאַטע פון קראַצן. דעם מיטל אַז אַלע דאַטע פארלאנגט מוזן זיין יקסטראַקטיד, קלינד, פארוואנדלען און ינאַגרייטיד אין יעדער דערפרישן. דעם צוגאַנג זאָל, ווי ווייַט ווי מעגלעך, ויסמיידן ווייַל עס ריקווייערז אַ פּלאַץ פון צייט און רעסורסן.

אַן אָלטערנאַטיוו צוגאַנג איז צו קעסיידער ופּלאָאַד ענדערונגען. דאס לייגט אי דאַטע וואָס האָבן שוין געביטן זינט די לעצטע דאַטן ווערכאַוס דערפרישן ציקל. ידענטיפיצירן נייַ אָדער מאַדאַפייד רעקאָרדס באטייטיק ראַדוסאַז די סומע פון דאַטע וואָס מוזן זיין פּראַפּאַגייטיד צו די דאַטן ווערכאַוס אין יעדער דערהייַנטיקן זינט בלויז די דאַטע וועט ווערן צוגעלייגט צו דאַטאַבייס פון די דאַטן ווערכאַוס.

עס זענען לפּחות 5 אַפּראָוטשיז וואָס קענען זיין געוויינט צו צוריקציען י דאַטע נייַ אָדער מאַדאַפייד. צו באַקומען אַן עפעקטיוו דאַטן דערפרישן סטראַטעגיע דאַטע אַ געמיש פון די אַפּראָוטשיז אַז קאַפּטשערז אַלע ענדערונגען אין די סיסטעם קענען זיין נוציק.

דער ערשטער צוגאַנג, וואָס ניצט טימעסטאַמפּס, אַסומז אַז אַלע זענען אַסיינד דאַטע עדיטיד און דערהייַנטיקט אַ טימעסטאַמפּ אַזוי איר קענען לייכט ידענטיפיצירן אַלע דאַטע מאַדאַפייד און נייַ. דער צוגאַנג, אָבער, איז נישט וויידלי געניצט אין רובֿ פון הייַנט ס אָפּערייטינג סיסטעמען.
די רגע צוגאַנג איז צו נוצן אַ דעלטאַ טעקע דזשענערייטאַד דורך אַ אַפּלאַקיישאַן וואָס כּולל בלויז די ענדערונגען געמאכט צו דאַטע. ניצן דעם טעקע אויך ימפּלאַפייז די דערהייַנטיקן ציקל. אָבער, אפילו דעם אופֿן איז נישט געניצט אין פילע אַפּלאַקיישאַנז.
די דריט צוגאַנג איז צו יבערקוקן אַ קלאָץ טעקע, וואָס בייסיקלי כּולל אינפֿאָרמאַציע ענלעך צו די דעלטאַ טעקע. דער בלויז חילוק איז אַז אַ קלאָץ טעקע איז באשאפן פֿאַר די אָפּזוך פּראָצעס און קענען זיין שווער צו פֿאַרשטיין.
דער פערט צוגאַנג איז צו מאָדיפיצירן די אַפּלאַקיישאַן קאָד. אָבער, רובֿ אַפּלאַקיישאַן קאָד איז אַלט און שוואַך; דעריבער דעם טעכניק זאָל זיין אַוווידאַד.
די לעצטע צוגאַנג איז צו פאַרגלייַכן די דאַטע קוואלן מיט די הויפּט דעי טעקע דאַטע.

קאָנטראָל פון דאַטן ווערכאַוס אַקטיוויטעטן

אַמאָל די דאַטן ווערכאַוס איז באפרייט צו יוזערז, עס מוזן זיין מאָניטאָרעד איבער צייַט. אין דעם פאַל, דער אַדמיניסטראַטאָר פון דאַטן ווערכאַוס קענען נוצן איינער אָדער מער פאַרוואַלטונג און קאָנטראָל מכשירים צו מאָניטאָר די נוצן פון די דאַטן ווערכאַוס. אין באַזונדער, אינפֿאָרמאַציע קענען זיין געזאמלט וועגן מענטשן און די צייט אין וואָס זיי אַקסעס די דאַטן ווערכאַוס. נו דאַטע געזאמלט, אַ פּראָפיל פון די דורכגעקאָכט אַרבעט קענען זיין באשאפן וואָס קענען זיין געוויינט ווי אַרייַנשרייַב אין דער באַניצער ס טשאַרדזשבאַק ימפּלאַמענטיישאַן. טשאַרדזשבאַקק אַלאַוז ניצערס צו זיין ינפאָרמד וועגן די פּראַסעסינג קאָס פון דאַטן ווערכאַוס.

דערצו, די דאַטן ווערכאַוס קאָנטראָלירן קענען אויך זיין געניצט צו ידענטיפיצירן די טייפּס פון פֿראגן, זייער גרייס, די נומער פון פֿראגן פּער טאָג, די אָפּרוף צייט פון אָנפֿרעג, די סעקטאָרס ריטשט און די סומע פון דאַטע פּראַסעסט. אן אנדער ציל פון טאן דאַטן ווערכאַוס אַדאַטינג איז צו ידענטיפיצירן די דאַטע וואָס זענען נישט אין נוצן. די דאַטע זיי קענען זיין אַוועקגענומען פון די דאַטן ווערכאַוס צו פֿאַרבעסערן צייט

פון אָנפֿרעג דורכפירונג ענטפער און מאָניטאָר די וווּקס פון דאַטע וואָס וווינען אין די דאַטן באַזע פון די דאַטן ווערכאַוס.

דאַטאַ ווערכאַוס זיכערהייַט פאַרוואַלטונג

א דאַטן ווערכאַוס כּולל דאַטע ינאַגרייטיד, קריטיש, שפּירעוודיק אַז קענען זיין לייכט ריטשט. פֿאַר דעם סיבה עס זאָל זיין פּראָטעקטעד פון אַנאָטערייזד ניצערס. איין וועג צו ינסטרומענט זיכערהייט איז צו נוצן די del פונקציע DBMS צו באַשטימען פאַרשידענע פּריווילאַדזשאַז צו פאַרשידענע טייפּס פון ניצערס. אין דעם וועג, אַ אַקסעס פּראָפיל מוזן זיין מיינטיינד פֿאַר יעדער טיפּ פון באַניצער. אן אנדער וועג צו באַוואָרענען די דאַטן ווערכאַוס איז צו ינקריפּט עס ווי געשריבן אין די דאַטן באַזע פון די דאַטן ווערכאַוס. צוטריט צו דאַטע און ריטריוואַל מכשירים מוזן דעקריפּט די דאַטע איידער פּריזענטינג די רעזולטאַטן צו וסערס.

2.4.4 דאַטע וואַרעהאָוסע דיפּלוימאַנט פאַסע

דאָס איז די לעצטע פאַסע אין די ימפּלאַמענטיישאַן ציקל פון דאַטן ווערכאַוס. די אַקטיוויטעטן צו זיין דורכגעקאָכט אין דעם פאַסע אַרייַננעמען טריינינג ניצערס צו נוצן די דאַטן ווערכאַוס און דורכפירן באריכטן פון די דאַטן ווערכאַוס.

באַניצער טריינינג

באַניצער טריינינג זאָל זיין דורכגעקאָכט איידער איר אַקסעס די דאַטע פון די דאַטן ווערכאַוס און די נוצן פון ריטריוואַל מכשירים. אין אַלגעמיין, סעשאַנז זאָל אָנהייבן מיט אַ הקדמה צו דער באַגריף פון סטאָרידזש דאַטע, דער אינהאַלט פון די דאַטן ווערכאַוס, די מעטאַ דאַטע און די גרונט פֿעיִקייטן פון די מכשירים. דערנאָך, מער אַוואַנסירטע ניצערס קען אויך לערנען די גשמיות טישן און באַניצער פֿעיִקייטן פון דאַטן אַקסעס און ריטריוואַל מכשירים.

עס זענען פילע אַפּראָוטשיז צו טאָן באַניצער טריינינג. איינער פון די ינוואַלווז אַ סעלעקציע פון ​​​​פילע יוזערז אָדער אַנאַליס אויסדערוויילט פון אַ גאַנג פון ניצערס, באזירט אויף זייער פירערשאַפט און קאָמוניקאַציע סקילז. זיי זענען פּערסנאַלי טריינד אויף אַלץ זיי דאַרפֿן צו וויסן צו ווערן באַקאַנט מיט די סיסטעם. אַמאָל די טריינינג איז פאַרטיק, זיי צוריקקומען צו זייער דזשאָבס און אָנהייבן לערנען אנדערע יוזערז ווי צו נוצן די סיסטעם. אויף די

באַזירט אויף וואָס זיי האָבן געלערנט, אנדערע יוזערז קענען אָנהייבן ויספאָרשן די דאַטן ווערכאַוס.
אן אנדער צוגאַנג איז צו באַן פילע יוזערז אין דער זעלביקער צייט, ווי אויב איר נעמען אַ קלאַסצימער קורס. דער אופֿן איז פּאַסיק ווען עס זענען פילע ניצערס וואָס דאַרפֿן צו זיין טריינד אין דער זעלביקער צייט. נאָך אן אנדער אופֿן איז צו באַן יעדער באַניצער ינדיווידזשואַלי, איינער דורך איינער. דער אופֿן איז פּאַסיק ווען עס זענען ווייניק ניצערס.

דער ציל פון באַניצער טריינינג איז צו באקענען איר מיט אַקסעס די דאַטע און ריטריוואַל מכשירים ווי געזונט ווי די אינהאַלט פון די דאַטן ווערכאַוס. אָבער, עטלעכע יוזערז קען זיין אָוווערוועלמד דורך די סומע פון ​​אינפֿאָרמאַציע צוגעשטעלט בעשאַס די טריינינג סעסיע. דעריבער, אַ זיכער נומער פון ריפרעשער סעשאַנז מוזן זיין דורכגעקאָכט פֿאַר אָנגאָינג הילף און צו ענטפֿערן ספּעציפיש פראגעס. אין עטלעכע קאַסעס אַ באַניצער גרופּע איז געגרינדעט צו צושטעלן דעם טיפּ פון שטיצן.

זאַמלונג באַמערקונגען

אַמאָל די דאַטן ווערכאַוס איז ראָולד אויס, יוזערז קענען נוצן i דאַטע וואָס וווינען אין די דאַטן ווערכאַוס פֿאַר פאַרשידן צוועקן. מערסטנס, אַנאַליס אָדער יוזערז נוצן י דאַטע אין די דאַטן ווערכאַוס פֿאַר:

1. 1 ידענטיפיצירן פירמע טרענדס
2. 2 אַנאַלייז די פּערטשאַסינג פּראָופיילז פון קאַסטאַמערז
3. 3 צעטיילן י קאַסטאַמערז עד איך
4. 4 צושטעלן די בעסטער באַדינונגס צו קאַסטאַמערז - קאַסטאַמייז סערוויסעס
5. 5 פאָרמולירן סטראַטעגיעס אָפּזעצערייַ
6. 6 צושטעלן קאַמפּעטיטיוו קוואָטעס פֿאַר פּרייַז אַנאַליזעס און הילף קאָנטראָל
7. 7 שטיצן סטראַטידזשיק באַשלוס-מאכן
8. 8 ידענטיפיצירן אַפּערטונאַטיז צו שטיין אויס
9. 9 פֿאַרבעסערן די קוואַליטעט פון קראַנט געשעפט פּראַסעסאַז
10. 10 קוק די נוץ

נאָך די אַנטוויקלונג ריכטונג פון די דאַטן ווערכאַוס, אַ סעריע פון ​​באריכטן קען זיין געפירט צו די סיסטעם צו באַקומען באַמערקונגען

ביידע פון ​​די אַנטוויקלונג מאַנשאַפֿט און פון די סוף באַניצער קהל.
די באקומען רעזולטאַטן קענען זיין גענומען אין באַטראַכטונג פֿאַר דער ווייַטער אַנטוויקלונג ציקל.

זינט די דאַטן ווערכאַוס האט אַ ינקראַמענטאַל צוגאַנג, עס איז קריטיש צו לערנען פון די סאַקסעסאַז און מיסטייקס פון פרייַערדיק דיוועלאַפּמאַנץ.

2.5 קיצער

אין דעם קאַפּיטל זענען דיסקאַסט די אַפּראָוטשיז וואָס זענען פאָרשטעלן אין דער ליטעראַטור. אין אָפּטיילונג 1, דער באַגריף פון דאַטן ווערכאַוס און זייַן ראָלע אין באַשלוס וויסנשאַפֿט איז דיסקאַסט. אָפּטיילונג 2 דיסקרייבד די הויפּט דיפעראַנסיז צווישן דאַטן ווערכאַוסיז און OLTP סיסטעמען. אין אָפּטיילונג 3 מיר דיסקאַסט די Monash דאַטן ווערכאַוס מאָדעל וואָס איז געניצט אין אָפּטיילונג 4 צו באַשרייַבן די אַקטיוויטעטן ינוואַלווד אין דעם פּראָצעס פון דעוועלאָפּינג אַ דאַטן ווערכאַוס, די טעזיס זענען נישט באזירט אויף שטרענג פאָרשונג. וואָס כאַפּאַנז אין פאַקט קען זיין זייער אַנדערש פון וואָס די ליטעראַטור ריפּאָרץ, אָבער די רעזולטאַטן קענען זיין געוויינט צו שאַפֿן אַ יקערדיק הינטערגרונט וואָס אַנדערליינז די באַגריף פון דאַטן ווערכאַוס פֿאַר דעם פאָרשונג.

קאַפּיטל 3

פאָרשונג און פּלאַן מעטהאָדס

דער קאַפּיטל אַדרעסז די פאָרשונג און פּלאַן מעטהאָדס פֿאַר דעם לערנען. דער ערשטער טייל ווייזט אַ דזשאַנעריק מיינונג פון די פאָרשונג מעטהאָדס בנימצא פֿאַר אינפֿאָרמאַציע ריטריוואַל, און די קרייטיריאַ פֿאַר סעלינג דער בעסטער אופֿן פֿאַר אַ באַזונדער לערנען זענען דיסקאַסט. אין אָפּטיילונג 2, צוויי מעטהאָדס אויסגעקליבן מיט די קרייטיריאַ פּונקט יקספּאָוזד זענען דאַן דיסקאַסט; פון די, איינער וועט זיין אויסדערוויילט און אנגענומען מיט די סיבות וואָס זענען באַשטימט אין אָפּטיילונג 3 ווו די סיבות פֿאַר ויסשליסן די אנדערע קריטעריע זענען אויך באַשטימט. אָפּטיילונג 4 גיט די פאָרשונג פּלאַן און אָפּטיילונג 5 די קאַנקלוזשאַנז.

3.1 פאָרשונג אין אינפֿאָרמאַציע סיסטעמען

פאָרשונג אין אינפֿאָרמאַציע סיסטעמען איז ניט בלויז לימיטעד צו די טעקנאַלאַדזשיקאַל פעלד אָבער מוזן אויך זיין עקסטענדעד צו אַרייַננעמען נאַטוראַל און אָרגאַנאַזיישאַנאַל צוועקן.
מיר האָבן דאָס צו שולד צו די טעזיס פֿון פֿאַרשיידענע דיסציפּלין, פֿון געזעלשאַפֿטלעכע ביז נאַטור־וויסנשאַפֿטן; דאָס פירט צו די נויט פֿאַר אַ זיכער ספּעקטרום פון פאָרשונג מעטהאָדס ינוואַלווינג קוואַנטיטאַטיווע און קוואַליטאַטיווע מעטהאָדס צו זיין געוויינט פֿאַר אינפֿאָרמאַציע סיסטעמען.
אַלע בנימצא פאָרשונג מעטהאָדס זענען וויכטיק, אין פאַקט עטלעכע ריסערטשערז אַזאַ ווי Jenkins (1985), Nunamaker et al. (1991), און Galliers (1992) טענהן אַז עס איז ניט קיין ספּעציפיש וניווערסאַל מעטאָד צו דורכפירן פאָרשונג אין די פאַרשידן פעלדער פון אינפֿאָרמאַציע סיסטעמען; אין פאַקט, אַ מעטאָד קען זיין פּאַסיק פֿאַר אַ באַזונדער פאָרשונג אָבער נישט פֿאַר אנדערע. דאָס ברענגט אונדז די נויט צו אויסקלייַבן אַ מעטאָד וואָס איז פּאַסיק פֿאַר אונדזער באַזונדער פאָרשונג פּרויעקט: פֿאַר דעם ברירה Benbasat et al. (1987) זאָגן אַז די נאַטור און ציל פון דער פאָרשונג מוזן זיין באַטראַכט.

3.1.1 נאַטור פון דער פאָרשונג

די פאַרשידן מעטהאָדס באזירט אויף די נאַטור פון דער פאָרשונג קענען זיין קלאַסאַפייד אין דרייַ טראדיציעס וואָס זענען וויידלי באקאנט אין אינפֿאָרמאַציע וויסנשאַפֿט: פּאָזיטיוויסט, ינטערפּריטאַטיוו און קריטיש פאָרשונג.

3.1.1.1 פּאָסיטיוויסטישע פאָרשונג

פּאָסיטיוויסט פאָרשונג איז אויך באקאנט ווי וויסנשאפטלעכע אָדער עמפּיריקאַל לערנען. עס זוכט צו: "דערקלערן און פאָרויסזאָגן וואָס וועט פּאַסירן אין די געזעלשאַפטלעך וועלט דורך קוקן אין די רעגיאַלעראַטיז און גרונט-ווירקונג באַציונגען צווישן די עלעמענטן וואָס קאַנסטאַטוט עס" (Shanks et al 1993).

פּאָסיטיוויסט פאָרשונג איז אויך קעראַקטערייזד דורך ריפּיטאַביליטי, סימפּלאַפיקיישאַנז און ריפיוטיישאַנז. דערצו, פּאָזיטיוויסט פאָרשונג אַדמיץ די עקזיסטענץ פון אַ פּריאָרי באַציונגען צווישן די דערשיינונגען געלערנט.
לויט Galliers (1992) איז טאקסאנאמיע א פארשונגס מעטאד אריינגערעכנט אינעם פאזיטיוויסטישן פאראדיגם, וואס איז אבער נישט באגרענעצט צו דעם, למעשה זענען דא לאבאראטאריע עקספערימענטן, פעלד עקספערימענטן, פאל שטודיעס, דעמאנסטראציעס פון טעארעם, פאראויסזאגונגען און סימולאציעס. דורך ניצן די מעטהאָדס, ריסערטשערז אַרייַנלאָזן אַז די דערשיינונגען געלערנט קענען זיין באמערקט אַבדזשעקטיוולי און שטרענג.

3.1.1.2 ינטערפּרעטאַטיווע פאָרשונג

ינטערפּרעטאַטיווע פאָרשונג, וואָס איז אָפט גערופן פענאָמענאָלאָגי אָדער אַנטי-פּאָסיטיוויזאַם, איז דיסקרייבד דורך Neuman (1994) ווי "די סיסטעמאַטיש אַנאַליסיס פון די געזעלשאַפטלעך טייַטש פון קאַמף דורך דירעקט און דיטיילד אָבסערוואַציע פון ​​​​מענטשן אין נאַטירלעך סיטואַטיאָנס, אין סדר צו דערגרייכן אַ פארשטאנד און צו דער ינטערפּריטיישאַן פון ווי מענטשן שאַפֿן און טייַנען זייער געזעלשאַפטלעך וועלט. ינטערפּרעטיווע שטודיום אָפּוואַרפן די האַשאָרע אַז באמערקט דערשיינונגען קענען זיין באמערקט אַבדזשעקטיוולי. אין פאַקט זיי זענען באזירט אויף סאַבדזשעקטיוו ינטערפּריטיישאַנז. דערצו, ינטערפּריטאַטיוו ריסערטשערז טאָן ניט אָנטאָן אַ פּריאָרי מינינגז אויף די דערשיינונגען זיי לערנען.

דער אופֿן כולל סאַבדזשעקטיוו / אַרגיומענטאַטיוו שטודיום, קאַמף פאָרשונג, דיסקריפּטיוו / ינטערפּריטאַטיוו שטודיום, צוקונפֿט פאָרשונג און ראָלע-פּלייינג. אין אַדישאַן צו די סערווייז און פאַל שטודיום קענען זיין אַרייַנגערעכנט אין דעם צוגאַנג, ווייַל זיי זארגן שטודיום פון מענטשן אָדער אָרגאַנאַזיישאַנז אין קאָמפּלעקס פאַקטיש-וועלט סיטואַטיאָנס.

3.1.1.3 קריטיש פאָרשונג

קריטיש אָנפרעג איז דער קלענסטער באקאנט צוגאַנג אין די סאציאל ססיענסעס אָבער האט לעצטנס באקומען ופמערקזאַמקייט פון אינפֿאָרמאַציע סיסטעמען ריסערטשערז. די פילאָסאָפיקאַל האַשאָרע אַז געזעלשאַפטלעך פאַקט איז היסטאָריש געשאפן און ריפּראַדוסט דורך מענטשן, ווי געזונט ווי געזעלשאַפטלעך סיסטעמען מיט זייער אַקשאַנז און ינטעראַקשאַנז. זייער פעאיקייט ווערט אָבער פֿאַרמיטלט דורך אַ ריי סאָציאַלע, קולטורעלע און פּאָליטישע באַטראַכטונגען.

ווי ינטערפּריטאַטיוו פאָרשונג, קריטיש פאָרשונג מיינטיינז אַז פּאָזיטיוויסט פאָרשונג האט גאָרנישט צו טאָן מיט די געזעלשאַפטלעך קאָנטעקסט און יגנאָרז זייַן השפּעה אויף מענטשלעך אַקשאַנז.
קריטיש פאָרשונג, אויף די אנדערע האַנט, קריטיקירט ינטערפּריטאַטיוו פאָרשונג פֿאַר זיין צו סאַבדזשעקטיוו און פֿאַר נישט אַימעד צו העלפן מענטשן פֿאַרבעסערן זייער לעבן. דער ביגאַסט חילוק צווישן קריטיש פאָרשונג און די אנדערע צוויי אַפּראָוטשיז איז זייַן עוואַלואַטיווע ויסמעסטונג. בשעת די אַבדזשעקטיוויטי פון די פּאָסיטיוויסט און ינטערפּריטאַטיוו טראדיציעס איז צו פאָרויסזאָגן אָדער דערקלערן די סטאַטוס קוואָ אָדער געזעלשאַפטלעך פאַקט, קריטיש פאָרשונג יימז צו קריטיקאַלי אָפּשאַצן און יבערמאַכן די געזעלשאַפטלעך פאַקט אונטער לערנען.

קריטיש ריסערטשערז יוזשאַוואַלי אַנטקעגנשטעלנ זיך די סטאַטוס קוואָ אין סדר צו באַזייַטיקן געזעלשאַפטלעך דיפעראַנסיז און פֿאַרבעסערן געזעלשאַפטלעך טנאָים. קריטיש פאָרשונג האט אַ היסכייַוועס צו אַ פּראַסעסינג מיינונג פון די פענאָמענאַ פון אינטערעס און, דעריבער, איז נאָרמאַלי לאַנדזשאַטודאַנאַל. ביישפילן פון פאָרשונג מעטהאָדס זענען לאַנג-טערמין היסטארישע שטודיום און עטנאָגראַפיק שטודיום. קריטיש פאָרשונג, אָבער, איז נישט וויידלי געניצט אין אינפֿאָרמאַציע סיסטעמען פאָרשונג

3.1.2 ציל פון דער פאָרשונג

צוזאמען מיט די נאַטור פון דער פאָרשונג, זיין ציל קענען זיין גענוצט צו פירן די פאָרשער אין סאַלעקטינג אַ באַזונדער פאָרשונג אופֿן. דער ציל פון אַ פאָרשונג פּרויעקט איז ענג שייַכות צו דער שטעלע פון ​​דער פאָרשונג אין באַציונג צו די פאָרשונג ציקל וואָס באשטייט פון דריי פייזאַז: טעאָריע בנין, טעאָריע טעסטינג און טעאָריע ראַפינירטקייַט. אזוי, באזירט אויף די טיימינג פון די פאָרשונג ציקל, אַ פאָרשונג פּרויעקט קענען האָבן אַ יקספּלאַנאַטאָרי, דיסקריפּטיוו, עקספּלאָראַטאָרי אָדער פּרידיקטיוו ציל.

3.1.2.1 עקספּלאָראַטאָרי פאָרשונג

עקספּלאָראַטאָרי פאָרשונג יימז צו פאָרשן אַ גאָר נייַע טעמע און פאָרמולירן פֿראגן און כייפּאַטאַסאַז פֿאַר צוקונפֿט פאָרשונג. דער טיפּ פון פאָרשונג איז גענוצט אין טעאָריע בנין צו קריגן ערשט באַווייַזן אין אַ נייַע געגנט. טיפּיקאַללי, קוואַליטאַטיווע פאָרשונג מעטהאָדס זענען געניצט, אַזאַ ווי פאַל שטודיום אָדער פענאָמענאַלאַדזשיקאַל שטודיום.

אָבער, עס איז אויך מעגלעך צו נוצן קוואַנטיטאַטיווע טעקניקס אַזאַ ווי יקספּלאָראַטאָרי סערווייז אָדער יקספּעראַמאַנץ.

3.1.3.3 דיסקריפּטיוו פאָרשונג

דיסקריפּטיוו פאָרשונג יימז צו פונאַנדערקלייַבן און באַשרייַבן אין גרויס דעטאַל אַ באַזונדער אָרגאַנאַזיישאַנאַל סיטואַציע אָדער פיר. דאָס איז צונעמען פֿאַר בנין טיריז און קענען אויך זיין געוויינט צו באַשטעטיקן אָדער אַרויסרופן כייפּאַטאַסאַז. דיסקריפּטיוו פאָרשונג יוזשאַוואַלי כולל די נוצן פון מיטלען און סאַמפּאַלז. די מערסט פּאַסיק פאָרשונג מעטהאָדס אַרייַננעמען סערווייז און אַנאַליסיס פון אַנטיסאַדאַנץ.

3.1.2.3 יקספּלאַנאַטאָרי פאָרשונג

יקספּלאַנאַטאָרי פאָרשונג פרוווט צו דערקלערן וואָס די זאכן פּאַסירן. עס איז געבויט אויף פאקטן וואָס זענען שוין געלערנט און פרוווט צו געפֿינען די סיבות פֿאַר די פאקטן.
אזוי יקספּלאַנאַטאָרי פאָרשונג איז נאָרמאַלי געבויט אויף יקספּלאָראַטאָרי אָדער דיסקריפּטיוו פאָרשונג און איז אַנסאַלערי צו טעסטינג און ראַפינירן טיריז. יקספּלאַנאַטאָרי פאָרשונג נאָרמאַלי ימפּלויז פאַל שטודיום אָדער יבערבליק-באזירט פאָרשונג מעטהאָדס.

3.1.2.4 פּרעווענטיוו פאָרשונג

פּרעווענטיוו פאָרשונג יימז צו פאָרויסזאָגן די געשעענישן און ביכייוויערז אונטער אָבסערוואַציע וואָס זענען געלערנט (Marshall and Rossman 1995). פּראָגנאָז איז דער נאָרמאַל וויסנשאפטלעכע פּראָבע פון ​​אמת. דעם טיפּ פון פאָרשונג בכלל ימפּלויז סערווייז אָדער אַנאַליסיס פון דאַטע היסטאָריקער. (יין 1989)

די אויבן דיסקוסיע דעמאַנסטרייץ אַז עס זענען אַ נומער פון מעגלעך פאָרשונג מעטהאָדס וואָס קענען זיין געוויינט אין אַ באַזונדער לערנען. אָבער, עס מוזן זיין איין ספּעציפיש אופֿן וואָס איז מער פּאַסיק ווי די אנדערע פֿאַר אַ באַזונדער טיפּ פון פאָרשונג פּרויעקט. (Galliers 1987, Yin 1989, De Vaus 1991). יעדער פאָרשער דאַרף דעריבער קערפאַלי אָפּשאַצן די שטאַרקייט און וויקנאַסאַז פון פאַרשידן מעטהאָדס, צו אַדאַפּט די מערסט פּאַסיק און קאַמפּאַטאַבאַל פאָרשונג אופֿן מיט די פאָרשונג פּרויעקט. (Jenkins 1985, Pervan and Klass 1992, Bonomia 1985, Yin 1989, Himilton and Ives 1992).

3.2. מעגלעך פאָרשונג מעטהאָדס

די אָביעקטיוו פון דעם פּרויעקט איז געווען צו לערנען די דערפאַרונג אין אַוסטראַליאַן אָרגאַנאַזיישאַנז מיט י דאַטע סטאָרד מיט אַ אַנטוויקלונג פון data warehouse. באַשטימט אַז, דערווייַל, עס איז אַ פעלן פון פאָרשונג אין דער געגנט פון דאַטן ווערכאַוזינג אין אַוסטראַליאַ, דעם פאָרשונג פּרויעקט איז נאָך אין די טעאָרעטיש פאַסע פון ​​די פאָרשונג ציקל און האט אַ יקספּלאָראַטאָרי ציל. ויספאָרשן די דערפאַרונג אין אַוסטראַליאַן אָרגאַנאַזיישאַנז וואָס אַדאַפּט דאַטן ווערכאַוזינג ריקווייערז ינטערפּריטיישאַן פון פאַקטיש געזעלשאַפט. דעריבער, די פילאָסאָפיקאַל האַשאָרע אַנדערלייינג די פאָרשונג פּרויעקט גייט די טראדיציאנעלן ינטערפּריטיישאַן.

נאָך אַ שטרענג דורכקוק פון די בנימצא מעטהאָדס, צוויי מעגלעך פאָרשונג מעטהאָדס זענען יידענאַפייד: סערווייז און פאַל שטודיום, וואָס קענען זיין געוויינט פֿאַר יקספּלאָראַטאָרי פאָרשונג (Shanks et al. 1993). Galliers (1992) טענהט פֿאַר די פּאַסיקקייט פון די צוויי מעטהאָדס פֿאַר דעם באַזונדער לערנען אין זיין ריווייזד טאַקסאָנאָמיע דורך זאגן אַז זיי זענען פּאַסיק פֿאַר טעאָריע בנין. די פאלגענדע צוויי סאַבסעקשאַנז דיסקוטירן יעדער אופֿן אין דעטאַל.

3.2.1 יבערבליק פאָרשונג אופֿן

די יבערבליק פאָרשונג אופֿן קומט פון די אלטע צענזוס אופֿן. א צענזוס באשטייט פון זאַמלען אינפֿאָרמאַציע פון ​​אַ גאַנץ באַפעלקערונג. דער אופֿן איז טייַער און ימפּראַקטאַקאַל, ספּעציעל אויב די באַפעלקערונג איז גרויס. אזוי, קאַמפּערד מיט אַ צענזוס, אַ יבערבליק נאָרמאַלי פאָוקיסיז אויף קאַלעקטינג אינפֿאָרמאַציע פֿאַר אַ קליין נומער, אָדער מוסטער, פון די באַפעלקערונג ס פארשטייערס (Fowler 1988, Neuman 1994). א מוסטער ריפלעקס די באַפעלקערונג פון וואָס עס איז ציען, מיט פאַרשידענע לעוועלס פון אַקיעראַסי, דיפּענדינג אויף די מוסטער סטרוקטור, גרייס און סעלעקציע אופֿן געניצט (Fowler 1988, Babbie 1982, Neuman 1994).

די יבערבליק אופֿן איז דיפיינד ווי "סנאַפּשאַץ פון פּראַקטיסיז, סיטואַטיאָנס אָדער מיינונגען אין אַ באַזונדער פונט אין צייט, דורכגעקאָכט ניצן אַנקעטע אָדער ינטערוויוז, פֿון וואָס ינפעראַנסאַז קען זיין
געמאכט "(Galliers 1992: 153) [סנאָמפּאָט פון פּראַקטיסיז, סיטואַטיאָנס אָדער קוקן אין אַ באַזונדער פונט אין צייט, דורכגעקאָכט ניצן אַנקעטע אָדער ינטערוויוז, פֿון וואָס ינפעראַנסאַז קענען זיין געמאכט]. סורווייז האַנדלען מיט זאַמלונג אינפֿאָרמאַציע וועגן עטלעכע אַספּעקט פון די לערנען, פון אַ זיכער נומער פון פּאַרטיסאַפּאַנץ, דורך אַסקינג פראגעס (Fowler 1988). די קוועסטשאַנערז און ינטערוויוז, וואָס אַרייַננעמען פּנים-צו-פּנים טעלעפאָן ינטערוויוז און סטראַקטשערד אָנעס, זענען אויך די זאַמלונג טעקניקס פון דאַטע מערסט קאַמאַנלי אָנגעשטעלט אין ינוועסטאַגיישאַנז (Blalock 1970, Nachmias and Nachmias 1976, Fowler 1988), אַבזערוויישאַנז און אַנאַליזעס קענען זיין געוויינט (Gable 1994). פון אַלע די מעטהאָדס פון קאַלעקטינג די דאַטע, די נוצן פון אַנקעטע איז די מערסט פאָלקס טעכניק, ווייַל עס ינשורז אַז איך דאַטע

געזאמלט זענען סטראַקטשערד און פאָרמאַטטעד, און דעריבער פאַסילאַטייץ די קלאַסאַפאַקיישאַן פון אינפֿאָרמאַציע (Hwang 1987, de Vaus 1991).

ווען אַנאַלייזינג י דאַטע, אַ ויספאָרשונג סטראַטעגיע אָפט ימפּלויז קוואַנטיטאַטיווע טעקניקס, אַזאַ ווי סטאַטיסטיש אַנאַליסיס, אָבער קוואַליטאַטיווע טעקניקס קענען אויך זיין געוויינט (Galliers 1992, Pervan

און קלאַס 1992, גאַבלע 1994). נאָרמאַללי, איך דאַטע געזאמלט זענען געניצט צו אַנאַלייז דיסטריביושאַנז און פּאַטערנז פון אַסאָוסייישאַנז (Fowler 1988).

כאָטש סערווייז זענען בכלל צונעמען פֿאַר פאָרשונג דילינג מיט די קשיא 'וואָס?' (וואָס) אָדער דערייווינג דערפון, אַזאַ ווי 'ווי פיל' און 'ווי פילע', זיי קענען זיין געפרעגט דורך די קשיא 'פארוואס' (Sonquist און Dunkelberg 1977, Yin 1989). לויט Sonquist און Dunkelberg (1977), אָנפרעג פאָרשונג יימז צו טשאַלאַנדזשינג כייפּאַטאַסאַז, יוואַליוייטינג מגילה, דיסקרייבינג די באַפעלקערונג און דעוועלאָפּינג מאָדעלס פון מענטשלעך נאַטור. דערצו, סערווייז קענען ווערן גענוצט צו לערנען אַ זיכער באַפעלקערונג מיינונג, טנאָים, מיינונגען, קעראַקטעריסטיקס, עקספּעקטיישאַנז און אפילו פאַרגאַנגענהייט אָדער פאָרשטעלן ביכייוויערז (Neuman 1994).

סערווייז לאָזן די פאָרשער צו אַנטדעקן באציונגען צווישן די באַפעלקערונג און די רעזולטאַטן זענען נאָרמאַלי מער גענעראַל ווי אנדערע מעטהאָדס (Sonquist און Dunkelberg 1977, Gable 1994). סערווייז לאָזן פאָרשער צו דעקן אַ גרעסערע געאָגראַפֿיש שטח און דערגרייכן פילע ריספּאַנדאַנץ (Blalock 1970, Sonquist און Dunkelberg 1977, Hwang and Lin 1987, Gable 1994, Neuman 1994). צום סוף, סערווייז קענען צושטעלן אינפֿאָרמאַציע וואָס איז נישט בנימצא אנדערש אָדער אין די פאָרעם פארלאנגט פֿאַר אַנאַליזעס (Fowler 1988).

עס זענען אָבער עטלעכע לימיטיישאַנז אין דורכפירן אַ יבערבליק. א כיסאָרן איז אַז דער פאָרשער קען נישט באַקומען פיל אינפֿאָרמאַציע וועגן דעם כייפעץ געלערנט. דאָס איז רעכט צו דעם פאַקט אַז די סערווייז זענען דורכגעקאָכט בלויז אין אַ באַזונדער צייט און, דעריבער, עס איז אַ לימיטעד נומער פון וועריאַבאַלז און מענטשן וואָס די פאָרשער קענען

לערנען (Yin 1989, de Vaus 1991, Gable 1994, Denscombe 1998). אן אנדער כיסאָרן איז אַז דורכפירן אַ יבערבליק קענען זיין זייער טייַער אין טערמינען פון צייט און רעסורסן, ספּעציעל אויב עס ינוואַלווז פּנים-צו-פּנים ינטערוויוז (Fowler 1988).

3.2.2. אָנפרעג פאָרשונג מעטאַד

די אָנפרעג פאָרשונג אופֿן ינוואַלווז אין-טיפקייַט לערנען פון אַ באַזונדער סיטואַציע אין זייַן פאַקטיש-וועלט קאָנטעקסט איבער אַ דיפיינד צייט, אָן קיין ינטערווענטיאָן פון די פאָרשער (Shanks & C. 1993, Eisenhardt 1989, Jenkins 1985). דער הויפּט אופֿן איז געניצט צו באַשרייַבן די שייכות צווישן די וועריאַבאַלז וואָס זענען געלערנט אין אַ באַזונדער סיטואַציע (Galliers 1992). ינוועסטאַגיישאַנז קענען אַרייַנציען איין אָדער קייפל קאַסעס, דיפּענדינג אויף די דערשיינונג אַנאַלייזד (Franz און Robey 1987, Eisenhardt 1989, Yin 1989).

די אָנפרעג פאָרשונג אופֿן איז דיפיינד ווי "אַן עמפּיריקאַל אָנפרעג וואָס שטודירט אַ הייַנטצייַטיק דערשיינונג אין זיין פאַקטיש קאָנטעקסט, ניצן קייפל קוואלן געזאמלט פון איין אָדער מער ענטיטיז אַזאַ ווי מענטשן, גרופּעס אָדער אָרגאַנאַזיישאַנז" (Yin 1989). עס איז קיין קלאָר צעשיידונג צווישן די דערשיינונג און זייַן קאָנטעקסט און עס איז קיין יקספּערמענאַל קאָנטראָל אָדער מאַניפּיאַליישאַן פון די וועריאַבאַלז (Yin 1989, Benbasat et al. 1987).

עס זענען אַ פאַרשיידנקייַט פון טעקניקס פֿאַר קאַלעקטינג די דאַטע וואָס קענען זיין געוויינט אין די אָנפרעג אופֿן, וואָס אַרייַננעמען דירעקט אַבזערוויישאַנז, באריכטן פון אַרקייוו רעקאָרדס, קוועסטשאַנערז, דאַקיומענטיישאַן רעצענזיע און סטראַקטשערד ינטערוויוז. מיט אַ פאַרשיידנקייַט פון כאַרוואַסטינג טעקניקס דאַטע, ינוועסטאַגיישאַנז לאָזן ריסערטשערז צו האַנדלען מיט ביידע דאַטע קוואַליטאַטיווע און קוואַנטיטאַטיווע אין דער זעלביקער צייט (Bonoma 1985, Eisenhardt 1989, Yin 1989, Gable 1994). ווי עס איז דער פאַל מיט די יבערבליק אופֿן, אַ יבערבליק פאָרשער דינט ווי אַן אַבזערווער אָדער פאָרשער און נישט ווי אַן אַקטיוו באַטייליקטער אין דער אָרגאַניזאַציע וואָס איז אונטער לערנען.

Benbasat עט על (1987) טענהן אַז דער אָנפרעג מעטאָד איז דער הויפּט פּאַסיק פֿאַר בנין פאָרשונג טעאָריע, וואָס הייבט זיך מיט אַ פאָרשונג קשיא און האלט מיט בילדונג.

פון אַ טעאָריע בעשאַס דעם פּראָצעס פון קאַלעקטינג דאַטע. אויך פּאַסיק פֿאַר דער בינע

פון טעאָריע בנין, Franz און Robey (1987) פֿאָרשלאָגן אַז די אָנפרעג אופֿן קענען אויך זיין געניצט פֿאַר די קאָמפּלעקס טעאָריע פאַסע. אין דעם פאַל, באזירט אויף די געזאמלט זאָגן, אַ געגעבן טעאָריע אָדער כייפּאַטאַסאַס איז וועראַפייד אָדער ריפיוטיד. אין דערצו, די יבערבליק איז אויך פּאַסיק פֿאַר פאָרשונג וואָס האַנדלען מיט 'ווי' אָדער 'פארוואס' פראגעס (Yin 1989).

קאַמפּערד מיט אנדערע מעטהאָדס, סערווייז לאָזן די פאָרשער צו כאַפּן יקערדיק אינפֿאָרמאַציע אין מער דעטאַל (Galliers 1992, Shanks et al. 1993). דערצו, סערווייז לאָזן די פאָרשער צו פֿאַרשטיין די נאַטור און קאַמפּלעקסיטי פון די פּראַסעסאַז געלערנט (Benbasat et al. 1987).

עס זענען פיר הויפּט דיסאַדוואַנטידזשיז פארבונדן מיט די יבערבליק אופֿן. דער ערשטער איז די מאַנגל פון קאַנטראָולד דידאַקשאַנז. די סאַבדזשעקטיוויטי פון די פאָרשער קענען טוישן די רעזולטאַטן און קאַנקלוזשאַנז פון דעם לערנען (Yin 1989). די רגע כיסאָרן איז די פעלן פון קאַנטראָולד אָבסערוואַציע. ניט ענלעך יקספּערמענאַל מעטהאָדס, די אָנפרעג פאָרשער קענען נישט קאָנטראָלירן די דערשיינונגען געלערנט ווי זיי זענען יגזאַמאַנד אין זייער נאַטירלעך קאָנטעקסט (Gable 1994). די דריט כיסאָרן איז די פעלן פון רעפּליקאַביליטי. דאָס איז ווייַל דער פאָרשער איז אַנלייקלי צו אָבסערווירן די זעלבע געשעענישן, און קענען נישט באַשטעטיקן די רעזולטאַטן פון אַ באַזונדער לערנען (Lee 1989). צום סוף, ווי אַ קאַנסאַקוואַנס פון ניט-רעפּליקאַביליטי, עס איז שווער צו גענעראַליזירן די רעזולטאַטן באקומען פון איין אָדער מער ינוועסטאַגיישאַנז (Galliers 1992, Shanks et al 1993). אַלע די פראבלעמען, אָבער, זענען נישט ינסערמאַונטאַבאַל און קענען, אין פאַקט, זיין מינאַמייזד דורך די פאָרשער דורך אַפּלייינג צונעמען אַקשאַנז (Lee 1989).

3.3. באַרעכטיקן די פאָרשונג מעטאַדאַלאַדזשי אנגענומען

פון די צוויי מעגלעך פאָרשונג מעטהאָדס פֿאַר דעם לערנען, די יבערבליק אופֿן איז געהאלטן צו זיין די מערסט פּאַסיק. די ויספאָרשונג איז אַוועקגענומען נאָך אָפּגעהיט באַטראַכטונג פון די באַטייַטיק אָנעס

מעריץ און וויקנאַסאַז. די צונעמען אָדער ינאַפּראָופּרייטנאַס פון יעדער אופֿן פֿאַר דעם לערנען איז דיסקאַסט אונטן.

3.3.1. ינאַפּראָופּרייט פון די פאָרשונג אופֿן פון ויספאָרשונג

די אָנפרעג אופֿן ריקווייערז אין-טיפקייַט לערנען וועגן אַ באַזונדער סיטואַציע אין איין אָדער מער אָרגאַנאַזיישאַנז איבער אַ צייט (Eisenhardt 1989). אין דעם פאַל, די צייט קען יקסיד די צייט ראַם געגעבן פֿאַר דעם לערנען. אן אנדער סיבה פֿאַר נישט אַדאַפּט די יבערבליק אופֿן איז אַז די רעזולטאַטן קען לייַדן פון אַ מאַנגל פון שטרענגקייַט (Yin 1989). די סאַבדזשעקטיוויטי פון די פאָרשער קענען השפּעה אויף די רעזולטאַטן און קאַנקלוזשאַנז. אן אנדער סיבה איז אַז דער אופֿן איז מער פּאַסיק פֿאַר פאָרשונג אויף 'ווי' אָדער 'וואָס' טיפּ פראגעס (Yin 1989), בשעת די פאָרשונג קשיא פֿאַר דעם לערנען איז פון די 'וואָס' טיפּ. לעצטע אָבער ניט קלענסטער, עס איז שווער צו גענעראַליזירן פיינדינגז פון בלויז איין אָדער עטלעכע ינוועסטאַגיישאַנז (Galliers 1992, Shanks et al. 1993). באַזירט אויף דעם סייכל, די יבערבליק פאָרשונג אופֿן איז נישט אויסדערוויילט ווייַל עס איז געווען ומפּאַסיק פֿאַר דעם לערנען.

3.3.2. קאַנוויניאַנס פון די זוכן אופֿן פון ויספאָרשונג

ווען די פאָרשונג איז דורכגעקאָכט, די פיר פון דאַטן ווערכאַוזינג איז נישט וויידלי אנגענומען דורך אַוסטראַליאַן אָרגאַנאַזיישאַנז. אַזוי, עס איז געווען ניט פיל אינפֿאָרמאַציע וועגן זייער ימפּלאַמענטיישאַן אין אַוסטראַליאַן אָרגאַנאַזיישאַנז. די בנימצא אינפֿאָרמאַציע געקומען פון אָרגאַנאַזיישאַנז וואָס האָבן ימפּלאַמענאַד אָדער געוויינט אַ data warehouse. אין דעם פאַל, די יבערבליק פאָרשונג אופֿן איז די מערסט פּאַסיק ווייַל עס אַלאַוז איר צו באַקומען אינפֿאָרמאַציע וואָס איז נישט בנימצא אנדערש אָדער אין די פאָרעם פארלאנגט פֿאַר אַנאַליסיס (Fowler 1988). אין אַדישאַן, די יבערבליק פאָרשונג אופֿן אַלאַוז די פאָרשער צו באַקומען אַ גוטע ינסייט אין פּראַקטיסיז, סיטואַטיאָנס אָדער קוקן אין אַ באַזונדער צייט (Galliers 1992, Denscombe 1998). אַן איבערבליק איז פארלאנגט צו פאַרגרעסערן וויסן וועגן די אַוסטראַליאַן דאַטן ווערכאַוזינג דערפאַרונג.

דערצו, Sonquist און Dunkelberg (1977) זאָגן אַז די רעזולטאַטן פון יבערבליק פאָרשונג זענען מער גענעראַל ווי אנדערע מעטהאָדס.

3.4. יבערבליק פאָרשונג פּלאַן

די יבערבליק אויף דאַטן ווערכאַוזינג פּראַקטיסיז איז דורכגעקאָכט אין 1999. די ציל באַפעלקערונג איז געשאפן דורך אַוסטראַליאַן אָרגאַנאַזיישאַנז אינטערעסירט אין דאַטן ווערכאַוזינג שטודיום, ווי זיי זענען מיסטאָמע שוין ינפאָרמד וועגן די דאַטע אַז זיי קראָם און, דעריבער, קען צושטעלן נוציק אינפֿאָרמאַציע פֿאַר דעם לערנען. די ציל באַפעלקערונג איז געווען יידענאַפייד דורך אַן ערשט יבערבליק פון אַלע אַוסטראַליאַן מיטגלידער פון די דאַטאַ וואַרעהאָוסינג אינסטיטוט (Tdwi-aap). דער אָפּטיילונג דיסקאַסט די פּלאַן פון די עמפּיריקאַל פאָרשונג פאַסע פון ​​דעם לערנען.

3.4.1. כאַרוואַסטינג טעכניק דאַטע

פון די דריי טעקניקס קאַמאַנלי געניצט אין יבערבליק פאָרשונג (ד"ה פּאָסט אַנקעטע, טעלעפאָן אינטערוויו און פּערזענלעך אינטערוויו) (Nachmias 1976, Fowler 1988, de Vaus 1991), די פּאָסט אַנקעטע איז אנגענומען פֿאַר דעם לערנען. דער ערשטער סיבה פֿאַר אַדאַפּטינג די יענער איז אַז עס קענען דערגרייכן אַ געאָגראַפיקאַללי צעשפּרייטע באַפעלקערונג (Blalock 1970, Nachmias and Nachmias 1976, Hwang and Lin 1987, de Vaus 1991, Gable 1994). צווייטנס, די פּאָסט אַנקעטע איז פּאַסיק פֿאַר הויך-געבילדעט פּאַרטיסאַפּאַנץ (Fowler 1988). די פּאָסט אַנקעטע פֿאַר דעם לערנען איז געווען אַדרעסד צו דאַטן ווערכאַוזינג פּרויעקט ספּאָנסאָרס, דירעקטאָרס און / אָדער פּרויעקט מאַנאַדזשערז. דריט, פּאָסט קוועסטשאַנערז זענען פּאַסיק ווען אַ זיכער מיילינג רשימה איז בנימצא (סאַלאַנט און דילמאַן 1994). TDWI, אין דעם פאַל, אַ טראַסטיד דאַטן ווערכאַוזינג פאַרבאַנד האט צוגעשטעלט די מיילינג רשימה פון זייַן אַוסטראַליאַן מיטגלידער. אן אנדער מייַלע פון ​​די פּאָסט אַנקעטע איבער די טעלעפאָן אַנקעטע אָדער פּערזענלעך ינטערוויוז איז אַז עס אַלאַוז ריספּאַנדאַנץ צו ריספּאַנד מער אַקיעראַטלי, ספּעציעל ווען ריספּאַנדאַנץ מוזן באַראַטנ זיך הערות אָדער דיסקוטירן פֿראגן מיט אנדערע מענטשן (Fowler 1988).

א פּאָטענציעל כיסאָרן קען זיין די צייט פארלאנגט צו אָנפירן אַנקעטע דורך פּאָסט. נאָרמאַללי, אַ פּאָסט יבערבליק איז געפירט אין דעם סיקוואַנס: פּאָסט בריוו, וואַרטן פֿאַר רעספּאָנסעס און שיקן באַשטעטיקונג (Fowler 1988, Bainbridge 1989). אזוי, די גאַנץ צייט קען זיין מער ווי די צייט פארלאנגט פֿאַר פערזענלעכע ינטערוויוז אָדער טעלעפאָן ינטערוויוז. אָבער, די גאַנץ צייט קענען זיין באקאנט אין שטייַגן (Fowler 1988, Denscombe 1998). די צייט פארבראכט צו פירן פערזענלעכע ינטערוויוז קענען ניט זיין באקאנט אין שטייַגן ווי עס וועריז פון איין אינטערוויו צו אנדערן (Fowler 1988). טעלעפאָן ינטערוויוז קענען זיין קוויקער ווי פּאָוסטאַל קוועסטשאַנערז און פערזענלעכע ינטערוויוז, אָבער קענען האָבן אַ הויך ניט-ענטפער קורס רעכט צו דער אַנאַוויילאַביליטי פון עטלעכע מענטשן (Fowler 1988). דערצו, טעלעפאָן ינטערוויוז זענען בכלל לימיטעד צו לעפיערעך קורץ רשימות פון פראגעס (Bainbridge 1989).

אן אנדער שוואַכקייַט פון אַ פּאָסט אַנקעטע איז די הויך ניט-רעספּאָנסע קורס (Fowler 1988, Bainbridge 1989, Neuman 1994). אָבער, קאַונטערמעזשערז זענען גענומען דורך אַססאָסיאַטיאָן דעם לערנען מיט אַ טראַסטיד דאַטן ווערכאַוזינג ינסטיטושאַן (ד"ה TDWI) (Bainbridge 1989, Neuman 1994), וואָס שיקט צוויי דערמאָנונג בריוו צו ניט-רעספּאָנדערס (Fowler 1988, Neuman 1994) און אויך כולל אַן נאָך בריוו. דערקלערן דעם ציל פון דעם לערנען (נעומאַן 1994).

3.4.2. אַפּאַראַט פון אַנאַליסיס

דער ציל פון דעם לערנען איז צו באַקומען אינפֿאָרמאַציע וועגן די ימפּלאַמענטיישאַן פון דאַטן ווערכאַוזינג און זייַן נוצן אין אַוסטראַליאַן אָרגאַנאַזיישאַנז. די ציל באַפעלקערונג באשטייט פון אַלע אַוסטראַליאַן אָרגאַנאַזיישאַנז וואָס האָבן ימפּלאַמענאַד, אָדער זענען ימפּלאַמענאַד, ד.ה data warehouse. ד י אײנצלנ ע ארגאניזאציע ס װער ן דא ן פארשריב ן אויפ ן נאמען . דער אַנקעטע איז געשיקט דורך פּאָסט צו אָרגאַניזאַציעס וואָס זענען אינטערעסירט אין אַדאַפּטינג data warehouse. דער אופֿן ינשורז אַז די אינפֿאָרמאַציע געזאמלט קומט פון די מערסט פּאַסיק רעסורסן פון יעדער פּאַרטיסאַפּייטינג אָרגאַניזאַציע.

3.4.3. יבערבליק מוסטער

די "מיילינג רשימה" פון יבערבליק פּאַרטיסאַפּאַנץ איז באקומען פון TDWI. פֿון דער רשימה, 3000 אַוסטראַליאַן אָרגאַנאַזיישאַנז זענען אויסגעקליבן ווי די יקער פֿאַר מוסטערונג. אַן נאָך בריוו וואָס דערקלערט די פּרויעקט און ציל פון דער יבערבליק, צוזאַמען מיט אַ ענטפער בלאַט און אַ פּרי-באַצאָלט קאָנווערט פֿאַר צוריקקומען די געענדיקט אַנקעטע זענען געשיקט צו די מוסטער. פון די 3000 אָרגאַניזאַציעס, 198 מסכים צו אָנטייל נעמען אין די לערנען. אַזאַ קליין נומער פון רעספּאָנסעס איז געווען דערוואַרט dato די גרויס נומער פון אַוסטראַליאַן אָרגאַנאַזיישאַנז וואָס האָבן דאַן עמברייסט אָדער זענען עמברייסינג דאַטן ווערכאַוזינג סטראַטעגיע אין זייער אָרגאַנאַזיישאַנז. אזוי, די ציל באַפעלקערונג פֿאַר דעם לערנען באשטייט פון בלויז 198 אָרגאַנאַזיישאַנז.

3.4.4. אינהאַלט פון די אַנקעטע

די סטרוקטור פון די אַנקעטע איז באזירט אויף די מאָנאַש דאַטן ווערכאַוזינג מאָדעל (דיסקאַווערד פריער אין טייל 2.3). דער אינהאַלט פון דער אַנקעטע איז באזירט אויף די ליטעראַטור אַנאַליסיס דערלאנגט אין קאַפּיטל 2. א קאָפּיע פון ​​די אַנקעטע געשיקט צו די יבערבליק פּאַרטיסאַפּאַנץ קענען זיין געפֿונען אין אַפּפּענדיקס ב. דער אַנקעטע באשטייט פון זעקס סעקשאַנז, וואָס נאָכגיין די פאַסעס פון די מאָדעל באדעקט. די פאלגענדע זעקס פּאַראַגראַפס בעקיצער סאַמערייז די אינהאַלט פון יעדער אָפּטיילונג.

אָפּטיילונג א: יקערדיק אינפֿאָרמאַציע וועגן דער אָרגאַניזאַציע
דער אָפּטיילונג כּולל פֿראגן וועגן דעם פּראָפיל פון פּאַרטיסאַפּייטינג אָרגאַנאַזיישאַנז. אַדדיטיאָנאַללי, עטלעכע פון ​​די פראגעס זענען שייַכות צו די באַטייליקטער ס דאַטן ווערכאַוזינג פּרויעקט סטאַטוס. קאַנפאַדענטשאַל אינפֿאָרמאַציע אַזאַ ווי די נאָמען פון דער אָרגאַניזאַציע איז נישט גילוי אין די יבערבליק אַנאַליסיס.

אָפּטיילונג ב: אָנהייב
די פֿראגן אין דעם אָפּטיילונג זענען שייך צו די אַרבעט פון סטאַרטינג דאַטן ווערכאַוזינג. פֿראגן זענען געפרעגט וועגן פּרויעקט ינישיייטערז, געראַנטערז, פארלאנגט סקילז און וויסן, אַבדזשעקטיווז פֿאַר אַנטוויקלונג פון דאַטן ווערכאַוזינג און עקספּעקטיישאַנז פון די סוף-באַניצער.

אָפּטיילונג C: פּלאַן
דער אָפּטיילונג כּולל פראגעס שייַכות צו פּלאַנירונג אַקטיוויטעטן data warehouse. אין באַזונדער, די פראגעס זענען וועגן די פאַרנעם פון דורכפירונג, די געדויער פון די פּרויעקט, די פּרייַז פון די פּרויעקט און די פּרייַז / נוץ אַנאַליסיס.

אָפּטיילונג ד: אַנטוויקלונג
אין דער אַנטוויקלונג אָפּטיילונג עס זענען פֿראגן וועגן די אַנטוויקלונג אַקטיוויטעטן פון די data warehouse: זאַמלונג פון סוף באַניצער באדערפענישן, קוואלן פון דאַטע, די לאַדזשיקאַל מאָדעל פון דאַטע, פּראָוטאַטייפּס, קאַפּאַציטעט פּלאַנירונג, טעכניש אַרקאַטעקטשערז און סעלעקציע פון ​​דאַטן ווערכאַוזינג אַנטוויקלונג מכשירים.

אָפּטיילונג E: אָפּעראַציע
אַפּעריישאַנאַל פראגעס שייַכות צו די אָפּעראַציע און עקסטענסיביליטי פון די data warehouse, ווי עס יוואַלווז אין דער ווייַטער פאַסע פון ​​אַנטוויקלונג. דאָרט דאַטן קוואַליטעט, די דערפרישן סטראַטעגיעס פון דאַטע, די גראַנולאַריטי פון דאַטע, סקאַלאַביליטי פון data warehouse און די זיכערהייַט ישוז פון data warehouse געווען צווישן די טייפּס פון פראגעס.

אָפּטיילונג F: אַנטוויקלונג
דער אָפּטיילונג כּולל פראגעס שייַכות צו נוצן די data warehouse דורך סוף ניצערס. דער פאָרשער איז געווען אינטערעסירט אין דער ציל און נוציקייט פון די data warehouse, די אָפּשאַצונג און טריינינג סטראַטעגיעס אנגענומען און די קאָנטראָל סטראַטעגיע פון data warehouse אנגענומען.

3.4.5. ענטפער קורס

כאָטש פּאָסט סערווייז זענען קריטיקירט פֿאַר אַ נידעריק ענטפער קורס, מיטלען זענען גענומען צו פאַרגרעסערן די צוריקקער קורס (ווי דיסקאַסט פריער אין טייל 3.4.1). דער טערמין 'ענטפער קורס' רעפערס צו דער פּראָצענט פון מענטשן אין אַ באַזונדער יבערבליק מוסטער וואָס ריספּאַנד צו די אַנקעטע (Denscombe 1998). די פאלגענדע פאָרמולע איז געניצט צו רעכענען די ענטפער קורס פֿאַר דעם לערנען:

נומער פון מענטשן וואס ריספּאַנד
ענטפער קורס = —————————————————————————— X 100 גאַנץ נומער פון אַנקעטע געשיקט

3.4.6. פּילאָט טעסט

איידער די אַנקעטע איז געשיקט צו דער מוסטער, די פֿראגן זענען יגזאַמאַנד דורך דורכפירן פּילאָט טעסץ, ווי סאַגדזשעסטיד דורך Luck און Rubin (1987), Jackson (1988) און דע וואַוס (1991). דער ציל פון די פּילאָט טעסץ איז צו אַנטדעקן קיין ומגעלומפּערט, אַמביגיואַס אויסדרוקן און פראגעס וואָס זענען שווער צו טייַטשן, צו דערקלערן קיין דעפֿיניציע און טערמינען געניצט און צו ידענטיפיצירן די דערנענטערנ צייט פארלאנגט צו פאַרענדיקן דעם אַנקעטע (Warwick און Lininger 1975, Jackson 1988, Salant און דילמאַן 1994). די פּילאָט טעסץ זענען דורכגעקאָכט דורך סאַלעקטינג סאַבדזשעקץ מיט קעראַקטעריסטיקס ענלעך צו די פון די לעצט סאַבדזשעקץ, ווי סאַגדזשעסטיד דורך Davis E Cosenza (1993). אין דעם לערנען, זעקס דאַטן ווערכאַוזינג פּראָפעססיאָנאַלס זענען אויסגעקליבן ווי די פּילאָט סאַבדזשעקץ. נאָך יעדער פּילאָט פּרובירן, נייטיק קערעקשאַנז זענען געמאכט. פון די דורכגעקאָכט פּילאָט טעסץ, די פּאַרטיסאַפּאַנץ קאַנטריביוטיד צו רישאַפּינג און באַשטעטיק די לעצט ווערסיע פון ​​די אַנקעטע.

3.4.7. אַנאַליסיס מעטהאָדס דורך דאַטן

I דאַטע פון סערווייז געזאמלט פֿון די פארמאכט קוועסטשאַנערז זענען אַנאַלייזד מיט אַ סטאַטיסטיש פּראָגראַם פּעקל גערופן SPSS. פילע פון ​​די רעספּאָנסעס זענען אַנאַלייזד מיט דיסקריפּטיוו סטאַטיסטיק. א צא ל אנקעטע ן זײנע ן צוריקגעקער ט געװאר ן אומפולשטענדיק . ד י זענע ן באהאנדל ט געװאר ן מי ט א גרעםער ע זארגן , א ז אי דאַטע פעלנדיק זענען נישט אַ קאַנסאַקוואַנס פון דאַטן פּאָזיציע ערראָרס, אָבער ווייַל די פראגעס זענען נישט פּאַסיק פֿאַר די רעגיסטראַנט, אָדער דער רעגיסטראַנט באַשלאָסן נישט צו ענטפֿערן איינער אָדער מער ספּעציפיש פראגעס. די פעלנדיק רעספּאָנסעס זענען איגנאָרירט בעשאַס די אַנאַליסיס דאַטע און זענען קאָדעד ווי '- 9' צו ענשור זייער יקסקלוזשאַן פון די אַנאַליסיס פּראָצעס.

ווען פּריפּערינג די אַנקעטע, די פארמאכט פראגעס זענען פּריקאָדעד דורך אַסיינינג אַ נומער צו יעדער אָפּציע. דער נומער איז דעמאָלט געניצט צו צוגרייטן די דאַטע בעשאַס די אַנאַליסיס (Denscombe 1998, Sapsford און Jupp 1996). פֿאַר בייַשפּיל, עס זענען געווען זעקס אָפּציעס ליסטעד אין קשיא 1 פון אָפּטיילונג ב: באָרד פון דירעקטאָרס, עלטער יגזעקיאַטיוו, IT אָפּטיילונג, געשעפט אַפּאַראַט, קאַנסאַלטאַנץ און אנדערע. אין דער טעקע פון דאַטע פון SPSS, אַ בייַטעוודיק איז דזשענערייטאַד צו אָנווייַזן 'די פּרויעקט ינישיייטער', מיט זעקס ווערט לאַבעלס: '1' פֿאַר 'באָרד פון דירעקטאָרס', '2' פֿאַר 'עלטער יגזעקיאַטיוו' און אַזוי אויף. די נוצן פון די ליקערטין וואָג אין עטלעכע פון ​​די פארמאכט פֿראגן אויך ערלויבט פֿאַר עפערטלאַס לעגיטימאַציע ווייַל פון די נוצן פון די קאָראַספּאַנדינג נומעריקאַל וואַלועס אריין אין SPSS. פֿאַר פֿראגן מיט ניט-ויסשליסיק ענטפֿערס, וואָס זענען נישט מיוטשואַלי ויסשליסיק, יעדער אָפּציע איז געווען באהאנדלט ווי אַ איין בייַטעוודיק מיט צוויי ווערט לאַבעלס: '1' פֿאַר 'געצייכנט' און '2' פֿאַר 'ניט אנגעצייכנט'.

אפענע פראגעס זענען באהאנדלט אנדערש ווי פארמאכט פראגעס. די ענטפֿערס צו די פֿראגן זענען נישט אריין אין SPSS. אַנשטאָט, זיי זענען אַנאַלייזד דורך האַנט. די נוצן פון דעם טיפּ פון קשיא אַלאַוז אונדז צו קריגן אינפֿאָרמאַציע וועגן די פרילי אויסגעדריקט געדאנקען און פערזענלעכע יקספּיריאַנסיז פון די ריספּאַנדאַנץ (Bainbridge 1989, Denscombe 1998). וואו עס איז מעגלעך, איז געמאכט אַ קאַטאַגעריזיישאַן פון די רעספּאָנסעס.

פֿאַר אַנאַליסיס פון דאַטע, פּשוט סטאַטיסטיש אַנאַליסיס מעטהאָדס זענען געניצט, אַזאַ ווי ענטפער אָפטקייַט, מיינען, נאָרמאַל דיווייישאַן און מידיאַן (Argyrous 1996, Denscombe 1998).
די גאַמאַ פּראָבע איז געווען פּערפאָרמינג געזונט פֿאַר באקומען קוואַנטיטאַטיווע מיטלען פון די אַסאָוסייישאַנז צווישן דאַטע אָרדאַנאַלז (Norusis 1983, Argyrous 1996). די טעסץ זענען צונעמען ווייַל די אָרדאַנאַל וואָג געניצט האט נישט האָבן פילע קאַטעגאָריעס און קען זיין געוויזן אין אַ טיש (Norusis 1983).

3.5 סאָממאריאָ

אין דעם קאַפּיטל, די פאָרשונג מעטאַדאַלאַדזשי און פּלאַן אנגענומען פֿאַר דעם לערנען זענען דיסקאַסט.

סאַלעקטינג די מערסט צונעמען פאָרשונג אופֿן פֿאַר אַ באַזונדער לערנען נעמט אין חשבון
באַטראַכטונג פון אַ נומער פון כּללים, אַרייַנגערעכנט די נאַטור און טיפּ פון פאָרשונג, ווי געזונט ווי די מעריץ און וויקנאַסאַז פון יעדער מעגלעך אופֿן (Jenkins 1985, Benbasat et al. 1097, Galliers and Land 1987, Yin 1989, Hamilton and Ives 1992, Galliers 1992, Neuman 1994). געגעבן די פעלן פון יגזיסטינג וויסן און טעאָריע וועגן אַדאַפּשאַן פון דאַטן ווערכאַוזינג אין אַוסטראַליאַ, דעם פאָרשונג לערנען ריקווייערז אַן ינטערפּריטאַטיוו פאָרשונג מעטאָד מיט אַן עקספּלאָראַטאָרי פיייקייט צו ויספאָרשן די יקספּיריאַנסיז פון אַוסטראַליאַן אָרגאַנאַזיישאַנז. די אויסדערוויילטע פאָרשונג אופֿן איז אויסגעקליבן צו זאַמלען אינפֿאָרמאַציע וועגן די אַדאַפּשאַן פון די דאַטן ווערכאַוזינג באַגריף דורך אַוסטראַליאַן אָרגאַנאַזיישאַנז. א פּאָסט אַנקעטע איז אויסדערוויילט ווי די זאַמלונג טעכניק דאַטע. דזשאַסטאַפאַקיישאַנז פֿאַר די פאָרשונג אופֿן און זאַמלונג טעכניק דאַטע אויסגעקליבן וועט זיין צוגעשטעלט אין דעם קאַפּיטל. דערצו, אַ דיסקוסיע איז געווען דערלאנגט אויף די אַפּאַראַט פון אַנאַליסיס, די מוסטער געניצט, די פּערסענטידזשיז פון רעספּאָנסעס, די אינהאַלט פון די אַנקעטע, די פאַר-פּרובירן פון די אַנקעטע און דער אופֿן פון אַנאַליסיס פון די אַנקעטע. דאַטע.

דיזיינינג אַ דאַטע וואַרעהאָוסע:

קאַמביינינג ענטיטי רעלאַטיאָנשיפּ און דימענשאַנאַל מאָדעלינג

אַבסטראַקט
סטאָרינג i דאַטע איז אַ הויפּט קראַנט אַרויסגעבן פֿאַר פילע אָרגאַנאַזיישאַנז. א שליסל אַרויסגעבן אין דער אַנטוויקלונג פון קאָמפּיוטער סטאָרידזש דאַטע עס איז זיין פּלאַן.
דער פּלאַן מוזן שטיצן די דיטעקשאַן פון קאַנסעפּס אין די data warehouse צו לעגאַט סיסטעם און אנדערע קוואלן פון דאַטע און אויך גרינג פארשטאנד און עפעקטיווקייַט אין די ימפּלאַמענטיישאַן פון data warehouse.
פיל פון די סטאָרידזש ליטעראַטור פון דאַטע רעקאַמענדז די נוצן פון ענטיטי שייכות מאָדעלינג אָדער דימענשאַנאַל מאָדעלינג צו פאָרשטעלן די פּלאַן פון data warehouse.
אין דעם פּאַפּיר מיר ווייַזן ווי ביידע רעפּראַזאַנטיישאַנז קענען זיין קאַמביינד אין איין צוגאַנג פֿאַר צייכענונג data warehouse. דער צוגאַנג געניצט איז סיסטעמאַטיש

יגזאַמאַנד אין אַ פאַל לערנען און איז יידענאַפייד אין אַ נומער פון וויכטיק ימפּלאַקיישאַנז מיט פּראַקטישנערז.

דאַטן וואַרעהאָוסינג

Un data warehouse עס איז יוזשאַוואַלי דיפיינד ווי אַ "טעמע-אָריענטיד, ינאַגרייטיד, צייט-וואַריאַנט, און ניט-וואַלאַטאַל זאַמלונג פון דאַטן אין שטיצן פון פאַרוואַלטונג ס דיסיזשאַנז" (ינמאָן און האַקקאַטהאָרן, 1994). טעמע-אָריענטיד און ינאַגרייטיד ינדיקייץ אַז די data warehouse איז דיזיינד צו קרייַז די פאַנגקשאַנאַל באַונדריז פון Legaci סיסטעמען צו פאָרשלאָגן אַן ינאַגרייטיד פּערספּעקטיוו פון דאַטע.
צייט-וואַריאַנט אַפעקץ די היסטארישע אָדער צייט-סעריע נאַטור פון די דאַטע אין א data warehouse, וואָס ינייבאַלז טרענדס צו זיין אַנאַלייזד. ניט-וואַלאַטאַל ינדיקייץ אַז די data warehouse עס איז נישט קעסיידער דערהייַנטיקט ווי אַ דאַטאַבייס פון OLTP. אלא עס איז דערהייַנטיקט פּיריאַדיקלי, מיט דאַטע קומען פון ינערלעך און פונדרויסנדיק קוואלן. די data warehouse עס איז ספּאַסיפיקלי דיזיינד פֿאַר זוכן אלא ווי דערהייַנטיקן אָרנטלעכקייַט און אָפּעראַציע פאָרשטעלונג.
דער געדאַנק פון סטאָרינג י דאַטע איז ניט נייַ, עס איז געווען איינער פון די פאַרוואַלטונג צוועקן פון דאַטע זינט די זעכציקער יאָרן (דער מארטין, 1982).
I data warehouse זיי פאָרשלאָגן די ינפראַסטראַקטשער דאַטע פֿאַר פאַרוואַלטונג שטיצן סיסטעמען. פאַרוואַלטונג שטיצן סיסטעמען אַרייַננעמען באַשלוס שטיצן סיסטעמען (DSS) און יגזעקיאַטיוו אינפֿאָרמאַציע סיסטעמען (EIS). א DSS איז אַ קאָמפּיוטער-באזירט אינפֿאָרמאַציע סיסטעם וואָס איז דיזיינד צו פֿאַרבעסערן מענטש באַשלוס געמאכט. אַן EIS איז טיפּיקלי אַ עקספּרעס סיסטעם פון דאַטע וואָס ינייבאַלז געשעפט פירער צו לייכט אַקסעס די מיינונג פון דאַטע.
די אַלגעמיינע אַרקאַטעקטשער פון אַ data warehouse כיילייץ די ראָלע פון data warehouse אין פאַרוואַלטונג שטיצן. ווי אויך פאָרשלאָגן די ינפראַסטראַקטשער דאַטע פֿאַר EIS און DSS, על data warehouse עס קענען זיין אַקסעסט גלייַך דורך קוויריז. די דאַטע אַרייַנגערעכנט אין אַ data warehouse זענען באזירט אויף אַן אַנאַליסיס פון פאַרוואַלטונג אינפֿאָרמאַציע רעקווירעמענץ און זענען באקומען פון דריי קוואלן: ינערלעך לעגאַט סיסטעמען, ספּעציעלע ציל דאַטן כאַפּן סיסטעמען און פונדרויסנדיק דאַטן קוואלן. די דאַטע אין ינערלעך לעגאַט סיסטעמען זיי זענען אָפט יבעריק, סתירה, פון נידעריק קוואַליטעט און סטאָרד אין פאַרשידענע פֿאָרמאַטירונגען אַזוי זיי מוזן זיין באוויליקט און קלינד איידער זיי קענען זיין לאָודיד אין די

data warehouse (ינמאָן, 1992; McFadden, 1996). די דאַטע קומען פון סטאָרידזש סיסטעמען דאַטע אַד האָק און פֿון מקורים דאַטע פונדרויסנדיק זענען אָפט געניצט צו פאַרגרעסערן (דערהייַנטיקן, פאַרבייַטן) איך דאַטע פון לעגאַט סיסטעמען.

עס זענען פילע קאַמפּעלינג סיבות צו אַנטוויקלען אַ data warehouse, וואָס אַרייַננעמען ימפּרוווד באַשלוס געמאכט דורך די עפעקטיוו נוצן פון מער אינפֿאָרמאַציע (Ives 1995), שטיצן פֿאַר אַ פאָקוס אויף גאַנץ דילז (Graham 1996), און רעדוקציע אין דאַטע פֿאַר EIS און DSS (Graham 1996, McFadden 1996).

א פריש עמפּיריקאַל לערנען געפונען, אין דורכשניטלעך, אַ צוריקקער אויף ינוועסמאַנט פֿאַר data warehouse דורך 401% נאָך דריי יאָר (Graham, 1996). אָבער, די אנדערע עמפּיריקאַל שטודיום פון data warehouse געפונען באַטייטיק פּראָבלעמס אַרייַנגערעכנט שוועריקייט אין מעסטן און אַסיינינג בענעפיץ, פעלן פון קלאָר ציל, אַנדערעסטאַמייטינג די ציל און קאַמפּלעקסיטי פון דעם פּראָצעס פון סטאָרינג בענעפיץ דאַטע, באזונדער ם װעג ן ד י קװאל ן או ן רײנקײט ן פו ן דאַטע. סטאָרינג i דאַטע קענען ווערן באטראכט ווי אַ לייזונג צו די פאַרוואַלטונג פּראָבלעם דאַטע צווישן אָרגאַניזאַציעס. די מאַניפּיאַליישאַן פון דאַטע ווי אַ געזעלשאַפטלעך מיטל עס איז פארבליבן איינער פון די שליסל פּראָבלעמס אין אָנפירונג אינפֿאָרמאַציע סיסטעמען אַרום די וועלט פֿאַר פילע יאָרן (Brancheau et al. 1996, Galliers et al. 1994, Niederman et al. 1990, Pervan 1993).

א פאָלקס צוגאַנג צו אָנפירונג דאַטע אין די ייטיז עס איז געווען די אַנטוויקלונג פון אַ מאָדעל דאַטע סאציאל. מאָדעל דאַטע געזעלשאַפטלעך איז דיזיינד צו פאָרשלאָגן אַ סטאַביל יקער פֿאַר דער אַנטוויקלונג פון נייַע אַפּלאַקיישאַן סיסטעמען און דאַטאַבייס און די ריקאַנסטראַקשאַן און ינאַגריישאַן פון לעגאַט סיסטעמען (Brancheau et al.

1989, Goodhue עט על. 1988:1992, קים און עווערעסט 1994). אָבער, עס זענען פילע פראבלעמען מיט דעם צוגאַנג, ספּעציעל די קאַמפּלעקסיטי און פּרייַז פון יעדער אַרבעט, און די לאַנג צייט וואָס איז פארלאנגט צו פּראָדוצירן מאַמאָשעסדיק רעזולטאַטן (Beynon-Davies 1994, Earl 1993, Goodhue et al. 1992, Periasami 1994, Shanks 1997 ).

Il data warehouse עס איז אַ באַזונדער דאַטאַבייס וואָס קאָו-יגזיסט מיט לעגאַט דאַטאַבייסיז אלא ווי ריפּלייסינג זיי. עס דעריבער אַלאַוז איר צו פירן די פאַרוואַלטונג פון דאַטע און ויסמיידן טייַער ריקאַנסטראַקשאַן פון לעגאַט סיסטעמען.

יגזיסטינג אַפּראָוטשיז צו דאַטן פּלאַן

ווערכאַוס

דער פּראָצעס פון בויען און פּערפעקטירן אַ data warehouse עס זאָל זיין פארשטאנען מער ווי אַן עוואָלוטיאָנאַרי פּראָצעס אלא ווי אַ אַנטוויקלונג לעבן ציקל פון טראדיציאנעלן סיסטעמען (פאַרלאַנג, 1995, Shanks, O'Donnell און Arnott 1997a). עס זענען פילע פּראַסעסאַז ינוואַלווד אין אַ פּרויעקט data warehouse אַזאַ ווי יניטיאַליזאַטיאָן, פּלאַנירונג; אינפֿאָרמאַציע קונה פון די באדערפענישן געבעטן פון פירמע מאַנאַדזשערז; קוואלן, טראַנספאָרמאַציע, רייניקונג פון דאַטע און סינגקראַנאַזיישאַן פון לעגאַט סיסטעמען און אנדערע קוואלן דאַטע; עקספּרעס סיסטעמען אין אַנטוויקלונג; מאָניטאָרינג פון data warehouse; און זינעןלאַסנאַס פון די עוואָלוטיאָנאַרי פּראָצעס און קאַנסטראַקשאַן פון אַ data warehouse (Stinchi, O'Donnell און Arnott 1997b). אין דעם זשורנאַל, מיר פאָקוס אויף ווי צו ציען די דאַטע סטאָרד אין דעם קאָנטעקסט פון די אנדערע פּראַסעסאַז. עס זענען אַ נומער פון פארגעלייגט אַפּראָוטשיז צו אַרקאַטעקטשער data warehouse אין ליטעראַטור (Inmon 1994, Ives 1995, Kimball 1994 McFadden 1996). יעדער פון די מעטאַדאַלאַדזשיז האט אַ קורץ רעצענזיע מיט אַן אַנאַליסיס פון זייער סטרענגקטס און וויקנאַסאַז.

Inmon's (1994) צוגאַנג פֿאַר דאַטע וואַרעהאָוסע פּלאַן

Inmon (1994) פארגעלייגט פיר יטעראַטיווע סטעפּס צו פּלאַן אַ data warehouse (זען פיגורע 2). דער ערשטער שריט איז צו פּלאַן אַ מוסטער דאַטע געזעלשאַפטלעך צו פֿאַרשטיין ווי איך דאַטע זיי קענען זיין ינאַגרייטיד אַריבער פאַנגקשאַנאַל געביטן אין אַן אָרגאַניזאַציע דורך ספּליטינג די דאַטע קראָם אין געביטן. מאָדעל דאַטע עס איז געמאכט פֿאַר סטאָרידזש דאַטע רילייטינג צו באַשלוס געמאכט, אַרייַנגערעכנט דאַטע היסטאָריקער, און אַרייַנגערעכנט דאַטע אַראָפּרעכענען און געזאמלט. די צווייטע שריט איז צו ידענטיפיצירן די ונטערטעניק געביטן פֿאַר ימפּלאַמענטיישאַן. די זענען באזירט אויף פּרייאָראַטיז באשלאסן דורך אַ באַזונדער אָרגאַניזאַציע. די דריט שריט ינוואַלווז צייכענונג אַ דאַטאַבייס פֿאַר די ונטערטעניק געגנט, באַצאָלן באַזונדער ופמערקזאַמקייט צו אַרייַנגערעכנט צונעמען גראַנולאַריטי לעוועלס. Inmon רעקאַמענדז ניצן די ענטיטיז און באציונגען מאָדעל. דער פערט שריט איז צו ידענטיפיצירן מקור סיסטעמען דאַטע פארלאנגט און אַנטוויקלען טראַנספאָרמאַציע פּראַסעסאַז צו כאַפּן, ריין און פֿאָרמאַט י דאַטע.

די סטרענגטס פון די צוגאַנג פון Inmon זענען אַז די מאָדעל דאַטע געזעלשאַפטלעך גיט די יקער פֿאַר די ינטאַגריישאַן פון דאַטע ין דער אָרגאַניזאַציע און פּלאַנירונג פון שטיצט פֿאַר די יטעראַטיוו אַנטוויקלונג פון data warehouse. זייַן פלאָז זענען די שוועריקייט און פּרייַז אין דיזיינינג די מאָדעל דאַטע געזעלשאַפטלעך, די שוועריקייט אין פארשטאנד מאָדעלס פון ענטיטיז און באציונגען געניצט אין ביידע מאָדעלס, אַז דאַטע געזעלשאַפטלעך און אַז פון דאַטע סטאָרד דורך ונטערטעניק געגנט, און די אַפּראָופּרייטנאַס פון דאַטע פון די צייכענונג פון data warehouse פֿאַר די מעקייַעם פון דאַטאַבייס ריליישאַנאַל אָבער נישט פֿאַר דאַטאַבייס מולטי-דימענשאַנאַל.

Ives (1995) צוגאַנג צו דאַטע וואַרעהאָוסע פּלאַן

Ives (1995) לייגט אַ פיר-שריט צוגאַנג צו דיזיינינג אַ אינפֿאָרמאַציע סיסטעם וואָס ער גלויבט איז אָנווענדלעך צו די פּלאַן פון אַ data warehouse (זען פיגורע 3). דער צוגאַנג איז זייער באזירט אויף אינפֿאָרמאַציע אינזשעניריע פֿאַר דער אַנטוויקלונג פון אינפֿאָרמאַציע סיסטעמען (Martin 1990). דער ערשטער שריט איז צו באַשטימען די אַבדזשעקטיווז, קריטיש און הצלחה סיבות און שליסל פאָרשטעלונג ינדיקאַטאָרס. שליסל געשעפט פּראַסעסאַז און נייטיק אינפֿאָרמאַציע זענען מאָדעלעד צו פירן אונדז צו אַ מאָדעל דאַטע סאציאל. די רגע שריט ינוואַלווז דעוועלאָפּינג אַ דיפיינינג אַרקאַטעקטשער דאַטע סטאָרד דורך געביטן, דאַטאַבייס di data warehouse, די טעכנאָלאָגיע קאַמפּאָונאַנץ וואָס זענען פארלאנגט, די גאַנג פון אָרגאַנאַזיישאַנאַל שטיצן פארלאנגט צו ינסטרומענט און אַרבעטן מיט data warehouse. די דריט שריט כולל סאַלעקטינג פארלאנגט ווייכווארג פּאַקאַדזשאַז און מכשירים. דער פערט שריט איז די דיטיילד פּלאַן און קאַנסטראַקשאַן פון די data warehouse. Ives הערות אַז סטאָרינג דאַטע עס איז אַ קאַנסטריינד יטעראַטיוו פּראָצעס.

די סטרענגטס פון די Ives צוגאַנג זענען די נוצן פון ספּעציפיש טעקניקס צו באַשליסן אינפֿאָרמאַציע רעקווירעמענץ, די נוצן פון אַ סטראַקטשערד פּראָצעס צו שטיצן די ינטאַגריישאַן פון data warehouse, די צונעמען ייַזנוואַרג און ווייכווארג סעלעקציע, און די נוצן פון קייפל פאַרטרעטונג טעקניקס פֿאַר די data warehouse. זייַן פלאָז זענען טאָכיק צו קאַמפּלעקסיטי. אנדערע אַרייַננעמען שוועריקייט דעוועלאָפּינג פילע לעוועלס פון דאַטאַבייס אין די data warehouse אין גלייַך צייט און קאָס.

Kimball's (1994) צוגאַנג צו דאַטע וואַרעהאָוסע פּלאַן

Kimball (1994) פארגעלייגט פינף יטעראַטיווע סטעפּס צו פּלאַן אַ data warehouse (זען פיגורעס 4). זיין צוגאַנג איז דער הויפּט דעדאַקייטאַד אויף די פּלאַן פון אַ סאָלאָ data warehouse און אויף די נוצן פון דימענשאַנאַל מאָדעלס אין ייבערהאַנט צו ענטיטי און שייכות מאָדעלס. Kimball אַנאַליזירט די דימענשאַנאַל מאָדעלס ווייַל עס איז גרינגער פֿאַר געשעפט פירער צו פֿאַרשטיין געשעפט, עס איז מער עפעקטיוו ווען דילינג מיט קאָמפּלעקס קאַנסאַלטיישאַנז און די פּלאַן פון דאַטאַבייס פיזיש איז מער עפעקטיוו (Kimball 1994). קימבאַלל אנערקענט אַז די אַנטוויקלונג פון אַ data warehouse עס איז יטעראַטיוו, און אַז data warehouse באַזונדער טישן קענען זיין ינאַגרייטיד דורך דיוויידינג זיי אין טישן פון פּראָסט דימענשאַנז.

דער ערשטער שריט איז צו ידענטיפיצירן די באַזונדער ונטערטעניק געגנט צו זיין פּערפעקטאַד. די רגע און דריט סטעפּס זענען דימענשאַנאַל מאָדעלינג. אין די רגע שריט די מיטלען ידענטיפיצירן זאכן פון אינטערעס אין די ונטערטעניק געגנט און גרופּט אין אַ פאַקט טיש. פֿאַר בייַשפּיל, אין אַ סאַלעס ונטערטעניק געגנט די מיטלען פון אינטערעס זאל אַרייַננעמען די סומע פון ​​סאָלד זאכן און דער דאָלאַר ווי די פארקויפונג קראַנטקייַט. דער דריטער שריט איז צו ידענטיפיצירן דימענשאַנז וואָס זענען די וועגן ווי Facts קענען זיין גרופּט. אין אַ סאַלעס ונטערטעניק געגנט, באַטייַטיק דימענשאַנז זאל אַרייַננעמען נומער, אָרט און צייט. דער פאַקט טיש האט אַ מאַלטי-טייל שליסל צו פֿאַרבינדונג עס צו יעדער פון די ויסמעסטונג טישן און טיפּיקלי כּולל אַ זייער גרויס נומער פון פאקטן. אין קאַנטראַסט, דימענשאַנז טישן אַנטהאַלטן דיסקריפּטיוו אינפֿאָרמאַציע וועגן דימענשאַנז און אנדערע אַטריביוץ וואָס קענען זיין געוויינט צו גרופּע פאקטן. די פארבונדן פארגעלייגט פאַקט און ויסמעסטונג טיש פארמען וואָס איז גערופן אַ שטערן סטשעמאַ ווייַל פון זייַן פאָרעם. דער פערט שריט ינוואַלווז בנין אַ דאַטאַבייס מולטידימענסיאָנאַל צו שליימעסדיק די שטערן מוסטער. די לעצטע שריט איז צו ידענטיפיצירן מקור סיסטעמען דאַטע פארלאנגט און אַנטוויקלען טראַנספאָרמאַציע פּראַסעסאַז צו כאַפּן, ריין און פֿאָרמאַט י דאַטע.

די סטרענגקטס פון Kimball ס צוגאַנג אַרייַננעמען די נוצן פון דימענשאַנאַל מאָדעלס צו פאָרשטעלן די דאַטע סטאָרד וואָס מאכט עס גרינג צו פֿאַרשטיין און פירט צו עפעקטיוו גשמיות פּלאַן. א דימענשאַנאַל מאָדעל וואָס אויך גרינג ניצט ביידע סיסטעמען פון דאַטאַבייס ריליישאַנאַל קענען זיין פּערפעקטאַד אָדער סיסטעמען דאַטאַבייס מולטידימענסיאָנאַל. זייַן פלאָז אַרייַננעמען די פעלן פון עטלעכע טעקניקס צו פאַסילאַטייט פּלאַנירונג אָדער ינטאַגריישאַן פון פילע שטערן פּאַטערנז אין אַ data warehouse און די שוועריקייט פון דיזיינינג פון די עקסטרעם דינאָרמאַלייזד סטרוקטור אין אַ דימענשאַנאַל מאָדעל אַ דאַטע אין לעגאַט סיסטעם.

McFadden's (1996) צוגאַנג צו דאַטן וואַרעהאָוסע פּלאַן

McFadden (1996) לייגט אַ פינף-שריט צוגאַנג צו דיזיינינג אַ data warehouse (זען פיגורע 5).
זיין צוגאַנג איז באזירט אויף אַ סינטעז פון געדאנקען פון דער ליטעראַטור און איז פאָוקיסט אויף די פּלאַן פון אַ איין data warehouse. דער ערשטער שריט ינוואַלווז אַ רעקווירעמענץ אַנאַליסיס. כאָטש די טעכניש ספּעסאַפאַקיישאַנז זענען נישט פּריסקרייבד, McFadden ס הערות ידענטיפיצירן די ענטיטיז דאַטע ספּעסאַפאַקיישאַנז און זייער אַטריביוץ, און רעפערס צו לייענער וואַצאָן און פראָליקק (1993) פֿאַר רעקווירעמענץ כאַפּן.
אין די רגע שריט, אַן ענטיטי באַציונגען מאָדעל איז דיזיינד פֿאַר data warehouse און דעמאָלט וואַלאַדייטאַד דורך געשעפט פירער. די דריט שריט כולל דיטערמאַנינג די מאַפּינג פון לעגאַט סיסטעמען און פונדרויסנדיק קוואלן data warehouse. דער פערט שריט ינוואַלווז פּראַסעסאַז אין אַנטוויקלונג, דיפּלוימאַנט און סינגקראַנאַזיישאַן דאַטע אין data warehouse. אין די לעצט שריט, די סיסטעם עקספּרעס איז דעוועלאָפּעד מיט באַזונדער טראָפּ אויף אַ באַניצער צובינד. McFadden הערות אַז דער צייכענונג פּראָצעס איז בכלל יטעראַטיוו.

די סטרענגטס פון McFadden ס צוגאַנג פונט צו די אָנטייל פון געשעפט פירער אין דיטערמאַנינג די באדערפענישן און אויך די וויכטיקייט פון רעסורסן דאַטע, זייער רייניקונג און זאַמלונג. זיין פלאָז אַרייַננעמען די פעלן פון אַ פּראָצעס פֿאַר ברייקינג אַראָפּ אַ גרויס פּרויעקט data warehouse אין פילע ינאַגרייטיד סטאַגעס, און די

שוועריקייט צו פֿאַרשטיין די ענטיטי און שייכות מאָדעלס געניצט אין די פּלאַן פון data warehouse.

עס זענען נישט בלויז יענע וואָס זענען נאָענט צו אונדז וואָס קלייַבן אונדז.