데이터 웨어하우스 및 해당 컴퓨팅 정의의 예

조직에서 모든 데이터를 의사 결정 지원으로 처리하면 어떻게 될까요? 정보 표시 및 분석에 사용되는 특수 소프트웨어를 사용하면 어떻게 될까요? 우리는 일부를 줄 것입니다 데이터 웨어하우스 예시 이러한 질문에 답하기 위해.

데이터 웨어하우스 예

우선, 약어로 인해 우리를 쉽게 혼동시킬 수 있는 두 용어를 구별하는 것이 중요합니다. 처음부터 의도는 사용자가 무엇을 기대해야 하는지 알고 앞으로 가고 있는 몇 가지 기본 개념을 알도록 하는 것입니다. 직면. 여기서 우리는 개인이 이러한 요소를 구별하는 도구를 가질 수 있도록 봉사하는 무한한 예를 보여줄 것입니다.

정의

두 용어의 차이점을 감안할 때 우리는 공식적으로 정의를 진행할 것입니다. 왜냐하면 결정에 액세스하고 유용하게 만들기 위해 내부 및 외부 조직의 데이터를 추출, 변환, 통합 및 통합하는 프로세스이기 때문입니다. - 만들기 .

같은 방식으로 데이터 웨어하우스는 정보 분석 및 의사 결정에 필요한 데이터를 저장하는 전자 파일 시스템 정보 기반으로 정의할 수도 있습니다. 차이점은 비즈니스 지향적이고 통합적이며 시간에 따라 변하고 비휘발성이라는 사실에 있습니다.

기본적으로 데이터 웨어하우징(DWH)은 프로세스이고 데이터 웨어하우스(DW)는 데이터베이스입니다.

특징

최적의 사용을 위해 필요한 도구를 제공하여 가능한 최상의 방법으로 사용할 도구를 생성하는 프로그래밍된 지침을 준수하는 데이터 웨어하우스를 특징짓는 몇 가지 측면이 있습니다. 데이터 웨어하우스의 특성을 자세히 설명합니다.

비즈니스 지향

분석 및 의사 결정을 위해 관련 데이터만 데이터 웨어하우스에 입력됩니다. 즉, 방 주소, 우편번호, 이메일 주소 등 분석적 가치가 없는 데이터는 고려하지 않습니다. 그러나 그들은 고객의 유형, 지리적 위치, 연령 등과 같은 가변적인 관심 대상입니다.

클라이언트, 제품, 항목, 영역 등과 같은 상위 개체가 관리됩니다. 데이터는 다차원 방식, 즉 사실 및 차원 테이블에 저장됩니다.

Integrada

이기종 소스의 모든 데이터는 품질과 청결을 보장하기 위해 통합됩니다. 주요 데이터 소스는 다음과 같습니다.

사용자 유형에 따라.

• • 운영: 매일은 많은 양의 데이터를 생성하지만 그 자체로는 필요한 분석과 거의 관련이 없습니다. 예를 들어, 제품 판매.
  • Medium: 운영 데이터를 기반으로 단기 및 중기 함축 데이터를 생성합니다. 이 개념의 좋은 예는 인벤토리 생성입니다.
  • 관리: 통합 및 변환 프로세스의 결과 데이터를 사용합니다. 차례로, 그것은 새로운 정보를 생성합니다. 기본적으로 Data Warehouse의 사용자를 말합니다.

조직의 지역 또는 부서에 따라

• • 영역: 각자는 잘 정의된 책임이 있습니다. 그들은 다른 영역과 공유되는 자체 데이터를 생성합니다.
  • 세분화: 일반적으로 지리적입니다. 그들은 다른 것들과 함께 통합되어야 하는 위치 데이터를 제공합니다.

출처에 따르면

• • 내부: 회사의 일상 활동에서 나온 자체 데이터를 생성합니다.
  • 외부: 인구 조사 및 통계와 같은 내부 데이터를 보완합니다.

시간의 변형

데이터 웨어하우스 예에서 현재 데이터가 과거 데이터와 함께 저장되기 때문에 동일한 상황의 다른 버전에 액세스할 수 있습니다.

휘발성이 아님

한 번 입력된 데이터는 변경되지 않으므로 정보의 안정성을 보장합니다. 즉, 데이터가 입력되고 참조될 때만 데이터가 조작됩니다.

요약하면 데이터 웨어하우스의 주요 품질은 다음과 같습니다.

자질

다양한 소스에서 수집된 과거 데이터, 현재 데이터 및 집계 데이터의 결과인 볼륨 데이터를 처리합니다.

전체 데이터 볼륨을 단일 중앙 집중식 데이터베이스에 배치합니다. 다차원 방식으로 데이터를 구조화합니다.

혜택

특성과 품질로 인해 데이터 웨어하우스는 다음과 같은 이점을 제공합니다.

• 특정 주제에 대한 모든 관련 데이터를 수집하는 데 필요한 최소 시간을 줄입니다.
• 분석 도구를 제공합니다.
• 많은 보고서와 분석이 사용자 정의입니다.
• 이를 통해 조직의 지표에 직접 액세스, 분석 및 모니터링할 수 있습니다.
• 회사 운영에 영향을 미치는 요소를 식별하는 데 도움이 됩니다.
• 이를 통해 기관의 미래 행동을 발전시키고 결정할 수 있습니다.
• 사용자는 빠르고 쉽게 데이터를 쿼리할 수 있습니다.

요컨대, 데이터 웨어하우스는 조직이 의사 결정을 위한 필수 질문에 답하는 데 도움이 됩니다. 이것은 그들이 운영하는 시장에서 그들의 위치를 ​​최적화하는 경쟁적 이점을 달성합니다. 이러한 질문 중 일부는 다음과 같습니다.

• 클라이언트의 프로필은 무엇입니까?
• 그들의 행동은 어떻습니까?
• 사업의 수익성은 무엇입니까?
• 조직에 대한 위험은 무엇입니까?
• 어떤 서비스와 제품을 사용하고 있으며 어떻게 늘릴 수 있습니까?

적용 분야

데이터 웨어하우스는 규모와 복잡성에 관계없이 모든 조직에 적용할 수 있습니다. 이것은 생산하는 데이터와 관련하여 적절한 결정을 내릴 때 모든 기관, 회사 또는 조직의 의제의 결과입니다.

애플리케이션 위험

조직의 큰 투자가 필요합니다. 구현의 이점은 단기가 아니라 중장기적으로 나타납니다.

데이터 조작은 민감한 데이터 조작을 위협합니다.

고려해야 할 측면

처음에 언급했듯이 서버 사용을 위해 이러한 요소를 적용할 때 고려해야 하는 몇 가지 측면이 있습니다. 그 중에서 다음을 언급할 수 있습니다.

신청 비용

데이터 웨어하우스는 건설, 운영 및 지원 비용을 부담합니다. 건설비용은 인적 자원, 시간, 기술 비용을 의미하며, 운영 및 유지보수 비용은 진화, 성장, 데이터 출처 변경에 따른 비용을 고려합니다.

사람들에게 미치는 영향

데이터 웨어하우스의 적용은 항상 새로운 기술을 습득해야 하는 사용자의 기대치를 생성합니다. 이러한 데이터 유형의 성공 여부는 사용자의 적극적인 사용과 피드백에 달려 있습니다.

비즈니스 및 의사 결정 프로세스에 미치는 영향

데이터 웨어하우스를 적용하면 비즈니스 프로세스의 특정 결함이 드러날 수 있지만 동시에 이를 통해 얻은 결과를 기반으로 내린 결정에 대한 신뢰도가 높아집니다.

구조

예제 데이터 웨어하우스의 일반적인 아키텍처는 위 그림에 나와 있습니다. 알 수 있듯이 이 시스템은 구성 요소 간의 일련의 상호 작용을 포함합니다. 이와 관련하여 요약하면 그 작동을 다음과 같이 설명할 수 있습니다.

• 데이터는 내부 및 외부의 웹 서비스, 파일 및 기타 데이터베이스와 같은 다양한 소스에서 가져옵니다.
• 데이터가 추출되면 나중에 데이터 웨어하우스에 로드하기 위해 통합, 변환 및 정리됩니다.
• 전술 및 전략 정보를 생성하기 위해 데이터 로드에서 보고서 및 분석을 얻습니다.
• 마지막으로 사용자는 생성된 보고서 및 분석을 참조하고 탐색할 수 있습니다.

요소

이제 고려해야 할 데이터 웨어하우스에서 평가할 수 있는 몇 가지 요소에 대해 설명합니다.

데이터 웨어하우스 소스

일반적으로 회사의 일상 활동 결과이며 내부 소스라고 합니다. 예를 들어 웹 서버에서 데이터를 가져오면 외부 소스로 간주됩니다. 그것들은 기원, 형식, 기능 등에 의존하기 때문에 서로 다릅니다.

추출, 변환 및 로딩

ETL이라고 하는 것은 데이터를 얻은 시점부터 데이터 웨어하우스에 로드될 때까지 수행되는 모든 작업을 포함하는 프로세스입니다. 추출, 조작, 제어, 통합, 데이터 정리, 로드 및 업데이트가 있습니다.

추출

여기에는 다양한 소스에서 관련 데이터만 가져와 내부 저장소에 보관하는 데 중점을 둔 기술이 포함됩니다. 이러한 유형의 스토리지를 사용하면 소스 또는 더 많은 데이터가 있는 데이터 웨어하우스를 개입하거나 변경하지 않고 데이터를 조작할 수 있으므로 읽기와 로드 사이에 추출 계층을 생성하고 프로세스에서 생성된 메타데이터를 저장 및 관리하고 통합을 촉진합니다.

추출은 사용자의 요구 사항과 솔루션에 대해 정의된 요구 사항을 기반으로 합니다.

변환

이들은 서로 다른 형식을 호환 가능하게 만들고 데이터를 필터링 및 분류하고 소스를 연결하는 기술입니다.

이 기능은 데이터 웨어하우스와 호환되고 일관성이 있는 강력하고 합리적인 방식으로 명령을 승격하기 위해 데이터와 관련된 모든 적절한 명령을 적용하는 역할을 합니다. 또한 데이터의 청결과 품질에 대한 책임이 있습니다.

카가

데이터의 초기 로드 및 데이터 웨어하우스의 주기적 업데이트 기술에 대해.

• 초기 로드는 데이터 웨어하우스가 수신하는 데이터의 첫 번째 로드를 나타냅니다. 일반적으로 장기간에 속하는 레코드의 수가 많기 때문에 시간이 많이 소요됩니다.
• 주기적 업데이트는 소량의 데이터를 삽입하는 것을 말합니다. 목표는 마지막 업데이트에서 생성된 데이터만 데이터 웨어하우스 샘플에 추가하는 것입니다. 사용자의 필요와 요구 사항에 따라 다릅니다.

즉, 데이터 로딩 과정을 통해 데이터 웨어하우스의 유지 보수가 보장됩니다.

요약하면 ETL 프로세스는 다음과 같이 수행된다고 할 수 있습니다.

• 관련 소스에서 추출된 데이터는 내부 저장소에 보관됩니다.
• 데이터는 내부 저장소에 보관되는 동안 통합 및 변환됩니다.
• 데이터가 정리되면 이전 단계 이후에 데이터 웨어하우스로 전달됩니다.

보고서

보고서는 사용자가 회사 정보에 ​​대한 자세한 보고서를 얻을 수 있는 그래픽 도구입니다. 이러한 보고서와 상호 작용하는 방법은 지침을 따르기 쉽기 때문에 사용자에게 매우 간단합니다. 기본적으로 제시된 주제의 조건과 사양을 참고하여 메뉴에서 옵션을 선택해야 합니다.

올랩

그것은 시스템의 전문화된 다차원 쿼리 엔진을 포함하기 때문에 데이터 웨어하우스의 가장 강력한 구성 요소입니다.

이를 통해 다양한 과거 시나리오에서 조직을 분석할 수 있습니다. 그것은 다차원적 시각, 즉 다른 관점, 관심 주제 또는 차원을 결합함으로써 행동과 진화를 투영합니다. 이를 통해 언뜻 보기에는 찾기 어려운 관점 간의 관계를 발견하여 추세를 추론할 수 있습니다.

데이터 마이닝

주로 예측을 할 수 있는 통계 도구입니다. 미리 정해진 규칙 없이 행동을 추론하는 것입니다. 사전 예방적인 방식으로 의사 결정을 촉진하는 테이블 및 그래프 형식의 보고서를 생성합니다. 이미 완전히 처리된 정보를 기반으로 작동합니다.

OLAP와 데이터 마이닝의 차이점

OLAP와 Data Minig의 주요 측면이 고려되면 둘 사이의 기본적인 차이점을 설정할 수 있습니다.

• OLAP을 사용하여 회사의 현황을 해석하여 의사 결정을 용이하게 하는 빠른 답변을 제공합니다.
• Data Minig는 특정 유형의 행동을 유발하는 숨겨진 지식에 대한 연구를 기반으로 상황을 예측합니다.

결과적으로 두 시스템은 서로 다른 유형의 분석 상황을 해결합니다.

데이터 마이닝 및 데이터 웨어하우스와의 관계

Data Minig 시스템은 회사의 데이터베이스에 포함된 정보에서 유용한 정보를 추출하는 것을 목표로 하는 최종 사용자를 위한 지원 기술입니다. 즉, 데이터 미니그 알고리즘에서 사용하는 정보의 출처는 일반적으로 데이터 웨어하우스에 포함된 과거 데이터입니다.

데이터 마이닝 기술과 데이터 웨어하우스에 관련된 프로세스 간에 통합이 있어야 합니다. 즉, 비즈니스 분석을 수행하기 위해서는 Data Minig, Data Warehouse, OLAP 서버 간의 합의가 있어야 합니다.

Data Warehouse가 새로운 결과를 제공할 때마다 회사는 Data Minig를 다시 적용하여 의사 결정을 최적화할 수 있습니다.

요컨대, 데이터 미니그와 데이터 웨어하우스는 완전히 호환되는 도구입니다. 데이터 웨어하우스는 메모리와 데이터 미니그 인텔리전스를 제공합니다.

기존 데이터베이스와 데이터 웨어하우스

지금까지 노출된 측면을 분석하면 데이터 웨어하우스가 조직의 일상적인 트랜잭션을 지원하는 데이터베이스와 다르다는 것을 이해할 수 있습니다. 여기서 기본적인 차이점

• 기존 데이터베이스에서 정보는 쉽게 검색하고 업데이트할 수 있도록 구성됩니다. 데이터 웨어하우스는 문의만 할 수 있는 최종 사용자를 위해 조직되고 지향됩니다.
• 트랜잭션 데이터베이스는 데이터의 일상적인 처리를 처리합니다. 데이터 웨어하우스는 기록 데이터, 즉 장기간에 해당하는 데이터로 작동합니다.
• 기존 데이터베이스는 근무일 동안 여러 번 액세스합니다. 데이터 웨어하우스에서 읽기와 쿼리는 산발적으로 액세스되기 때문에 최소화됩니다.
• 데이터 웨어하우스가 관리하는 데이터의 양은 기존 데이터베이스에서 관리하는 것보다 훨씬 큽니다.
• 거래 기반의 구조가 안정적입니다. 데이터 웨어하우스의 구조는 자체 발전 및 사용에 따라 다릅니다.

다음으로 우리는 몇 가지 데이터 웨어하우스 예제.

데이터 웨어하우스 예

도매 및 소매 수준의 청소 용품 판매에 전념하는 전국 회사는 판매량으로 인해 중간 규모로 간주되며 이윤 극대화를 주요 목표로 합니다. 마찬가지로 더 많은 고객을 확보하기 위해 새로운 수준의 시장으로 확장하고 나중에 제품 라인을 확장하려고 합니다. 주요 정책 중 하나는 데이터 웨어하우스 샘플의 경쟁업체와 비교하여 더 나은 위치를 확보하기 위해 지속적으로 개선하는 것입니다.

데이터 웨어하우스의 적용은 조직에 다음과 같은 이점을 제공합니다.

• 그것은 사용자가 비즈니스의 개요를 가질 수 있습니다.
• 운영 데이터를 의사 결정에 중점을 둔 분석 정보로 변환합니다.
• 분석을 용이하게 하는 동적 보고서를 생성합니다.
• 조직의 목표 달성을 위한 전략의 형성을 용이하게 합니다.
• 회사 구조의 안정성에 도움이 됩니다.

일일 데이터 웨어하우스의 또 다른 예로는 학생과의 커뮤니케이션이 부족한 교육 기관의 관리를 들 수 있습니다. 마찬가지로 모든 정보가 있는 통합 정보 센터가 없습니다. 이 기관의 목적은 학생들의 경력과 졸업 후 동반하여 조직의 성과와 학생들의 발전을 향상시키는 새로운 제안을 제공하는 것입니다.

데이터 웨어하우스의 적용으로 우리는 대학의 요구에 부응하고자 합니다. 원칙적으로 정보의 중복과 학생에 대한 잘못된 세부 정보의 존재, 그리고 일반적으로 품질이 좋지 않고 관련이 없는 모든 정보를 제거합니다. 또한 모든 정보가 통합되어 교육 기관 프로젝트의 적절한 개발을 위한 기초 역할을 하는 통합된 학생 기록을 형성합니다.

마지막으로 마케팅 활동을 추진하여 올바른 정보관리를 통해 대학의 이익과 성장을 도모합니다.

결론적으로, 데이터 웨어하우스 예제에서 조직에서 무슨 일이 일어나고 있는지, 무슨 일이 일어났는지, 무슨 일이 일어날 수 있고 왜 그런지 알 수 있는 기회를 제공합니다. 기사를 볼 수 있습니다 컴퓨터 바이러스의 종류.