Bevezetés az adattárház kialakításához
A közös szóban lévő raktár azt jelenti, hogy valamit egy helyen tárol, és hasonló esetekben az iparágakban, hogy az összetett adatmennyiséget egy helyen tárolja. Az üzleti intelligencia (BI) lehetővé teszi az adatok lekérdezését az adatforrásokból, és csak akkor lehet megbízni, ha jó adattárház-tervezés van.
Az adattárház több adatforrást integrál, és jó támogatást nyújt az elemzéshez és az analitikus jelentések készítéséhez. Ha rossz adattárház-felépítése van, pontatlan lekérdezési adatokkal befolyásolja a szervezet növekedését.
Vegyünk egy népszerűségi példát az Amazon webáruházról, rendelve az cikket, és azt kézbe kaphatjuk. Amikor az ügyfél bejelentkezik az e-kereskedelmi webhelyre, és az áruházban keresi az elérhető terméket. Ezután kiválasztottuk és megrendeljük az árut, mihelyt a szállító elfogadja, és azonnal elküldjük. Itt időt takaríthatunk meg a szükséges cikk megvásárlásához.
Hasonlóan ehhez az adattárhoz, az adatok tárolhatók és beszerezhetők a tranzakciós rendszerből. Az adattárház mint két fő koncepció
- OLAP - Online analitikus feldolgozás
- OLTP - Online tranzakciós feldolgozás
Mindkettő online feldolgozási rendszer, de vannak különbségei. Az OLTP kezeli a tranzakciós alkalmazást, például az ATM-et, az OLAP analitikai feldolgozásra használja, például jelentések készítésére, előrejelzésére stb.,
Követelmény gyűjtése
- A követelménygyűjtés az adattárház-tervezés egyik fázisa. Meg kell határoznia a kritériumokat, és azokat sikeresen végre kell hajtania. Az adattárházak tervezéséhez két stratégiát használnak: az egyiket üzleti, a másik pedig technikai stratégiát alkalmazzák.
- Az üzleti stratégia a hosszú távú üzleti szempontra összpontosít, és elősegíti a növekedéshez szükséges profit növelését. A műszaki stratégia követelménye a felhasználói jelentéseken, elemzéseken, hardverkiválasztáson, fejlesztési módszeren, tesztelési technikán, megvalósítási környezeten és felhasználói képzésen alapul.
- Az üzleti és a műszaki stratégia meghatározásakor el kell készítenünk a BCP (Disaster Recovery) tervet is. Ha katasztrófa történik emberi vagy természeti katasztrófákkal, akkor szükségünk van egy tervre az adatok gyors helyreállítására és annak biztosítására, hogy az adatok ne veszítsenek el. A katasztrófa utáni helyreállítási terv kidolgozása az egyik kihívás, és bizalmat teremt a szervezet számára.
Környezetbeállítás
- Miután összegyűjtöttük az adatokat az adattárház tervezéséhez, el kell készítenünk a megfelelő környezeti beállítást a fejlesztéshez, teszteléshez és előállításhoz. Lehetséges, hogy legyen külön rendszer az alkalmazáshoz, adatbázishoz, és külön a jelentéskészítéshez / ETL-hez is.
- Ha mindegyikre külön környezetet építünk, az biztosítja az összes változás fejlesztését / tesztelését, majd a gyártáshoz való áttérést.
- Ha egyetlen környezetünk van, amely ezeket a tevékenységeket tervezi, akkor probléma merülhet fel és az adatok elveszhetnek. Például, amikor valamilyen esemény történt a rendszerben, nem tudtuk navigálni és megtudtuk a javítás módját, és ez bonyolultabbá teszi.
Adatmodellezés
- Amint a követelménygyűjtés és a környezetvédelem fel van állítva, a következő lépés az adatforrás összekapcsolásának, feldolgozásának és az adattárházban történő tárolásának megtervezése. Ezt a technikát adatmodellezésnek hívják. Ez lehet a tárgy és a többiek közötti kapcsolat elemzése.
- Az adattárház tervezésekor a mérnökök megtervezték, hogyan és hol kell az adatokat tárolni. Ugyanebben az alkalomban meg kell határoznunk az adatok adatraktárból történő kinyerésének lehetséges módját is. Miután a forrást azonosították, a csapat felépítheti a logikát és létrehozhat egy szerkezeti séma nézetet.
Az adatmodell típusai
Három típus létezik
- Fogalmi
- Logikus
- Fizikai
Az adatmodell három típusát az alábbiakban említjük:
1. Koncepcionális: Azt mondja, hogy MIT tartalmaz a rendszer, és az üzleti építészek tervezték az üzleti stratégia alkalmazási körének meghatározására.
2. Logikai: Ez határozza meg, hogy HOGYAN készíthető el a logika a DBMS-ben. A Business Analyst és az Data Architect úgy fogja kidolgozni, hogy létrehozzon egy szabálykészletet az adatok tárolására / visszakeresésére
3. Fizikai: Ez határozza meg, hogy a rendszer hogyan valósuljon meg.
Az adattárház tervezésének használata
A jó adattárház-kialakítás időigényes lehet az adatok visszakeresésekor. Minden lépést hatékonyan kell követni, hogy a rendszer jó legyen. Ez segíti a szervezetet a bonyolult típusú adatok kezelésében és javítja a termelékenységet a trend-elemzés alapján. Tehát a DWH architektúra tervezésének minden lépése fontos és tudatosabb a kiválasztási módszernél. A szervezet később belép az egyes folyamatokba, és az adattárház sikeres megvalósításához vezet.
A Data Warehouse kevés fontos alkalmazás-felhasználással rendelkezik
1. Banki ipar: A legtöbb bank az adattárházat használja nagy mennyiségű tranzakciós adat tárolására és arra, hogy a lekérdezési adatokat sokkal gyorsabban tudja lekérdezni. Kezelhető, például ügyféladatokkal, piaci trendekkel, jelentésekkel, elemzésekkel stb.,
2. Pénzügyi ágazat: Hasonló a banki tevékenységhez, de az egyetlen hangsúly a pénzügyi változások javítása az ügyféladatok elemzésével
3. Kormány: manapság a kormány sok adatot kezeli online, és tárolja a relációs adatbázisban. Minden adat kapcsolatban áll egymással, például Aadhaar, a PAN sok forráshoz kapcsolódik.
4. Egészségügy: Egészségügyi vezetők és szolgáltatások sok információt tartalmaznak. Fenntartja a klinikai részleteket, az ügyfelek nyilvántartását, és segíti őket az eredmények előrejelzésében, a visszajelzések elemzésében és a jelentések elkészítésében.
5. Biztosítás: Biztosítótársaság, amelyet elsősorban adatminták, vevői trend és nyilvántartás vezetésére használnak.
6. Gyártó és disztribúciós ipar: Az iparágakban a legszélesebb körben használják a cikkek adatainak tárolására, és segítenek számukra a gyártás és az értékesítés iránti kereslet elemzésében. Az eladott cikk elemzése, amely jobb döntési technikákat eredményez.
7. Kiskereskedői szolgáltatások: A kiskereskedők közvetítői a termelő és a vevő között. Az adattárház segíti őket promóciókban és tételek vásárlási trendeiben.
8. Telefontelefon-ipar: A telefonipar sok múltbeli adatot kezel, ami segít az ügyfelek adatainak trendjében és a reklámkampányok előmozdításában.
Az adattárház előnyei
- Bővített üzleti intelligencia
- Biztosítja az adatok minőségét és következetességét
- Időt és pénzt takarít meg
- Nyomon követi a történelmileg intelligens adatokat
- Magas ROI-t generál
Az adattárház előnyei
- Extra jelentés munka
- Az adatok rugalmassága és homogenizálása
- Tulajdonosi aggodalmak
- Nagy mennyiségű erőforrást igényel
- A rejtett kérdések időt vesznek igénybe
Ajánlott cikkek
Ez egy útmutató az Adatraktár tervezéséhez. Itt tárgyaljuk az Adatraktár tervezési technikáját, a követelmények összegyűjtését, a környezet beállítását, a felhasználásokat, az előny / a Dis-előnyeket. A következő cikkben további információkat is megnézhet -
- Az adattárház előnyei
- Adattárház megvalósítása
- Adattárház modellezése
- Adatraktári eszközök
- Az adatmodellek 4 legnépszerűbb típusa