Oblikovanje skladišča podatkov - 8 najboljših načinov oblikovanja podatkovnih skladišč

Kazalo:

Anonim

Uvod v zasnovo skladišča podatkov

Skladišče v skupni besedi pomeni, da nekaj shranite na enem mestu in podobne primere v panogah, da shranite zapleteno količino podatkov na enem mestu. Poslovna inteligenca (BI) vam omogoča, da poiščete podatke iz virov podatkov, zaupanje pa je mogoče samo, če obstaja dobra zasnova podatkovnih skladišč.

Skladišče podatkov vključuje več virov podatkov in bo dobra podpora za analizo in analitično poročanje. Če imate slabo zasnovo skladišča podatkov, bo to vplivalo na rast vaše organizacije, ker bo imelo netočne poizvedbene podatke.

Z naročilom pošljite primer priljubljenosti spletne trgovine Amazon in dostavite ga lahko na našem pragu. Ko se stranka prijavi na spletno mesto za e-trgovino in išče prodajni izdelek v trgovini. Nato smo izbrali in naročili artikel, takoj ko dobavitelj sprejme in takoj odpošlje. Tu lahko prihranimo čas za nakup želenega izdelka.

Podobno kot v tem skladišču podatkov, lahko podatke shranjujemo in nabavljamo iz transakcijskega sistema. Skladišče podatkov kot dva glavna koncepta

  • OLAP - spletna analitična obdelava
  • OLTP - Spletna obdelava transakcij

Oba sta sistem za spletno obdelavo, vendar imata nekaj razlik. OLTP upravlja transakcijsko aplikacijo, kot je ATM, OLAP pa uporablja za analitično obdelavo, kot je poročanje, napovedovanje itd.

Zbiranje zahtev

  • Zbiranje zahtev je ena faza pri oblikovanju skladišč podatkov. Določiti je treba merila in jih uspešno izvajati. Za oblikovanje skladišč podatkov bosta uporabljeni dve strategiji, ena se imenuje poslovna, druga pa tehnična.
  • Poslovna strategija se osredotoča na dolgoročni poslovni pogled in pomaga povečati dobiček za rast. Zahteva po tehnični strategiji temelji na poročanju uporabnikov, analizi, izbiri strojne opreme, razvojni metodi, tehniki preizkušanja, okolju izvajanja in usposabljanju uporabnikov.
  • Ko smo določili poslovno in tehnično strategijo, moramo izdelati tudi načrt BCP (Disaster Recovery). Če se človeška ali naravna zgodi nesreča, moramo imeti načrt za hitro obnovo podatkov in zagotoviti, da se podatki ne izgubijo. Razvoj načrta za obnovo po nesrečah je eden od zahtevnih in v organizacijo naredi zaupanje.

Namestitev okolja

  • Ko smo zbrali podatke za oblikovanje podatkovnega skladišča, moramo narediti ustrezno okolje za razvoj, testiranje in proizvodnjo. Prednostno mora obstajati ločen sistem za aplikacijo, bazo podatkov in ločen tudi za poročanje / ETL.
  • Ko zgradimo ločeno okolje za vsakega, zagotovimo, da je mogoče vse spremembe razviti / preizkusiti in nato preiti na proizvodnjo.
  • Če imamo enotno okolje, zasnovano za vse te dejavnosti, bi to lahko končalo z izdajami in izgubo podatkov. Na primer, ko se je v sistemu zgodil incident, nismo mogli krmariti in najti načina, kako ga odpraviti, zato je to bolj zapleteno.

Podatkovno modeliranje

  • Ko bo vzpostavljeno zbiranje zahtev in okolje, je treba zasnovati, kako povezati vir podatkov, obdelati in shraniti v podatkovno skladišče. Ta tehnika se imenuje kot modeliranje podatkov. Lahko je analiza predmeta in odnosa med drugimi.
  • Pri zasnovi skladišča podatkov so inženirji zasnovali, kako in kje jih je treba shraniti. Ob isti priložnosti bi morali določiti tudi možen način pridobivanja podatkov iz podatkovnega skladišča. Ko je vir opredeljen, lahko ekipa zgradi logiko in ustvari pogled na strukturno shemo.

Vrste podatkovnega modela

Obstajajo tri vrste

  • Konceptualno
  • Logično
  • Fizično

Spodaj so omenjene tri vrste podatkovnega modela:

1. Konceptualno: piše, kaj sistem vsebuje in so ga zasnovali poslovni arhitekti, da bi opredelil obseg poslovne strategije.

2. Logično: To definira, KAKO lahko logiko ustvarite v DBMS, zasnovala ga bo Business Analyst in Data Architect, da bo ustvaril nabor pravil za shranjevanje / pridobivanje podatkov

3. Fizično: To določa, kako se sistem lahko izvaja.

Uporaba zasnove Data Warehouse

Dober dizajn skladišča podatkov je lahko dolgotrajen pri pridobivanju podatkov. Vsak korak mora učinkovito slediti, da bo sistem dober. Organizacija bo pomagala obvladovati zapletene vrste podatkov in izboljšala produktivnost na podlagi analize trendov. Torej je vsak korak pri načrtovanju arhitekture DWH pomemben in bolj zaveden pri izbirni metodi. Organizacija stopi v vsak tok naknadno in vodi do uspešnega izvajanja podatkovnega skladišča.

Obstaja nekaj pomembnih uporab aplikacij skladišča podatkov

1. Bančna industrija: Večina bank uporablja skladišče podatkov za shranjevanje velike količine podatkov o transakcijah in možnost hitrejšega pridobivanja podatkov o poizvedbah. Z njim se lahko upravlja, kot so podatki o strankah, tržni trendi, poročila, analize itd.,

2. Finančna industrija: Podobno je z bančništvom, vendar je edini poudarek na izboljšanju finančnih sprememb z analizo podatkov o strankah

3. Vlada: Dandanes vlada veliko podatkov na spletu in shranjuje v relacijski podatkovni bazi. Vsi podatki so med seboj povezani, kot je Aadhaar, PAN je povezan z mnogimi viri.

4. Zdravstvo: Zdravstveni delavci in storitve toliko informacij. Ohranja klinične podrobnosti, podatke o strankah in jim pomaga pri napovedovanju rezultatov, analiziranju povratnih informacij in ustvarjanju poročil.

5. Zavarovanje: Zavarovalnica se uporablja predvsem za vzorce podatkov, trend strank in vzdrževanje evidenc.

6. Proizvodna in distribucijska industrija: Najširše se uporablja v vseh panogah za shranjevanje informacij o izdelkih in jim pomaga pri napovedi postavke povpraševanja za proizvodnjo in prodajo. Analiza prodanega izdelka, ki omogoča boljše tehnike odločanja.

7. Storitve trgovcev na drobno: Trgovci na drobno so posrednik med proizvajalcem in kupcem. Podatkovno skladišče jim pomaga pri promocijah in nakupih artiklov.

8. Telefonska industrija: Telefonska industrija upravlja veliko zgodovinskih podatkov, kar pomaga pri oblikovanju trendov podatkov o strankah in njihovem cilju za spodbujanje oglaševalskih kampanj.

Prednosti Data Warehouse

  • Zagotavlja izboljšano poslovno inteligenco
  • Zagotavlja kakovost in doslednost podatkov
  • Prihrani čas in denar
  • Spremlja zgodovinsko inteligentne podatke
  • Ustvari visok ROI

Neupoštevanje Data Warehouse

  • Dodatno poročilo delo
  • Prožnost in homogenizacija podatkov
  • Skrbi glede lastništva
  • Zahteva za velike količine virov
  • Skriti problemi zahtevajo čas

Priporočeni članki

To je vodnik za Oblikovanje skladišča podatkov. Tukaj razpravljamo o tehniki oblikovanja skladišča podatkov, zbiranju zahtev, nastavitvi okolja, uporabi, prednosti / Dis-prednost. Če želite izvedeti več, si oglejte tudi naslednji članek -

  1. Prednosti Data Warehouse
  2. Izvedba skladišča podatkov
  3. Modeliranje skladišč podatkov
  4. Orodja za shranjevanje podatkov
  5. Vrh 4 različne vrste podatkovnih modelov