Mis on Data Mart andmelaos? Tüübid ja näide

Andmeturg pakub analüütilist võimsust, mis on omane andmeturbele. andmekogus ühele meeskonnale. Keskendudes ühele valdkonnale, võimaldab see osakonnal oma andmeid kiiresti analüüsida, ilma et peaks ootama ettevõtteüleste töökoormuste taga. Allolevates osades selgitatakse, mis on andmemägi, miks organisatsioonid seda kasutavad, millised on kolm saadaolevat tüüpi ning kuidas seda rakendada ja hallata.

Mis on Data Mart?

Andmemägi keskendub organisatsiooni ühele funktsionaalsele valdkonnale ja sisaldab alamhulka seal talletatud andmetest. AndmeladuSee on andmelao lühendatud versioon, mis on loodud kasutamiseks kindlale osakonnale, üksusele või kasutajarühmale – näiteks turundusele, müügile, personaliosakonnale või rahandusele.

Kuna andmemäestikul on üks funktsioon, kontrollib seda tavaliselt organisatsiooni üks osakond. See fookus hoiab selle ulatuse kitsana ja omandiõiguse selgena.

Andmemägi ammutab andmeid vaid vähestest allikatest, erinevalt andmelaost, mis integreerib paljusid. Seetõttu on andmemäed väikese suurusega ja palju paindlikumad kui täielik andmeladu.

Miks me vajame Data Mart?

Organisatsioonid toetuvad andmemägedele mitmel praktilisel põhjusel:

• Andmemägi parandab kasutajate reageerimisaega, vähendades päringute mahtu.
• See pakub lihtsat juurdepääsu sageli nõutavatele andmetele.
• Andmemägi on lihtsam ja odavam rakendada kui ettevõtte andmeladu.
• See on agiilne: kui mudel muutub, saab väiksema andmekogu kiiresti uuesti üles ehitada.
• Andmemarti defineerib üks valdkonna ekspert, andmelao aga interdistsiplinaarne meeskond, seega on andmebaas muutustele avatum.
• Andmed on jaotatud, mis võimaldab väga detailseid juurdepääsuõiguseid.
• Andmeid saab segmenteerida ja salvestada erinevatele riist- või tarkvaraplatvormidele.

Lühidalt, kuna andmeladu haldab väiksemat ja täpselt määratletud andmehulka, on seda kiirem luua, odavam käitada ja lihtsam turvata kui ettevõtte andmeladu.

Kõik andmemähitud ei ole siiski ühtemoodi üles ehitatud. Allikas, millest mähitud andmemähit ammutatakse, määrab, millise kolmest tüübist te töötate.

Andmete Mart tüübid

Andmemaju on kolme peamist tüüpi, mida eristab andmete allikas:

1. Sõltuv: Sõltuvad andmemäed ammutavad andmeid otse operatiivsetest allikatest, välistest allikatest või mõlemast.
2. Sõltumatu: Sõltumatu andmeturg luuakse ilma keskse andmelaota.
3. Hübriid: Hübriidandmebaas saab andmeid võtta andmeladudest või operatsioonisüsteemidest.

Dependent Data Mart

Sõltuv andmehoidla hangib organisatsiooni andmed ühest andmelaost, mis annab sellele tsentraliseerimise eelise. Kui teil on vaja luua üks või mitu füüsilist andmehoidlat, konfigureerite need sõltuvate andmehoidlatena.

Sõltuvat andmeladu saab luua kahel viisil: esiteks pääsevad kasutajad vastavalt vajadusele juurde nii andmeladule kui ka andmelaole ja teiseks piirduvad juurdepääsuga ainult andmeladu. Teine lähenemisviis pole optimaalne, sest see võib tekitada „andmeprügilao“ – andmed, mis pärinevad ühisest allikast, kuid seejärel visatakse ära ja jäävad suures osas kasutamata.

Independent Data Mart

Sõltumatu andmeturg luuakse ilma keskse andmelaota. Selline andmeturg on ideaalne valik väiksematele gruppidele organisatsiooni sees.

Sõltumatu andmeladu ei ole seotud ettevõtte andmelao ega ühegi teise andmelaoga. Selle andmeid laaditakse ja analüüsitakse iseseisvalt. See lähenemisviis on vastuolus andmelao loomise peamise eesmärgiga: järjepidev ja tsentraliseeritud ettevõtte andmete hoidla, mida saavad analüüsida paljud erinevate huvidega kasutajad.

Hübriidandmete Mart

Hübriidandmebaas ühendab sisendi ka väljaspool andmelao asuvaid allikaid. See on abiks siis, kui vajate ad-hoc integratsiooni – näiteks pärast uue grupi või toote lisamist organisatsiooni.

See sobib hästi mitme andmebaasiga keskkondadesse ja pakub kiiret juurutamist minimaalse andmete puhastamise vaevaga. Hübriidandmehoidla toetab ka suuri salvestusstruktuure ja töötab hästi väiksemate, andmekesksete rakenduste jaoks.

Datamarti juurutamise sammud

Andmemäestiku loomine on rahuldust pakkuv, kuid detailne protsess. See läbib viis etappi – kujundamine, loomine, täitmine, juurdepääs ja haldamine –, mida kõiki kirjeldatakse allpool.

Projekteerimine

Projekteerimine on andmemäestiku juurutamise esimene etapp. See hõlmab kõiki ülesandeid alates andmemäestiku esialgsest taotlusest kuni nõuete kogumiseni ning lõpeb andmemäestiku loogilise ja füüsilise disainiga.

Disainietapp hõlmab järgmisi ülesandeid:

• Äri- ja tehniliste nõuete kogumine ning andmeallikate tuvastamine.
• Sobiva andmete alamhulga valimine.
• Andmemargi loogilise ja füüsilise struktuuri kujundamine.

Andmeid saab jagada järgmiste kriteeriumide alusel:

• kuupäev
• Äri- või funktsionaalne üksus
• Geograafia
• Mis tahes ülaltoodud kombinatsioon

Andmeid saab jaotada rakenduse või andmebaasihaldussüsteemi tasandil, kuigi rakenduse tasandil jaotamine on soovitatav, kuna see võimaldab igal aastal ärikeskkonna muutudes erinevat andmemudelit. Enamik andmemägesid on üles ehitatud... mõõtmetega mudel, näiteks täheskeemi, et päringud kiired oleksid.

Milliseid tooteid ja tehnoloogiaid te vajate?

Selles etapis piisab lihtsast pliiatsist ja paberist. Tööriistad, mis aitavad teil luua UML-i või üksuste ja seoste diagramme, saavad teie loogilistele ja füüsilistele kujundustele lisada ka metaandmeid.

Ehitamine

Ehitamine on rakendamise teine ​​etapp. See hõlmab füüsilise andmebaasi ja loogiliste struktuuride loomist.

See samm hõlmab järgmist ülesannet:

• Varasemas etapis kavandatud füüsilise andmebaasi rakendamine – näiteks skeemiobjektide, näiteks tabelite, indeksite ja vaadete loomine.

Milliseid tooteid ja tehnoloogiaid te vajate?

Andmemäe loomiseks on vaja relatsioonandmebaasi haldussüsteemi (RDBMS). RDBMS pakub mitmeid funktsioone, mis on andmemäe edu saavutamiseks olulised:

• Salvestusruumi haldamine: RDBMS salvestab ja haldab andmeid, võimaldades teil kirjeid luua, lisada ja kustutada.
• Kiire juurdepääs andmetele: SQL-päringu abil saate hõlpsalt andmeid hankida teatud tingimuste või filtrite põhjal.
• Andmekaitse: RDBMS suudab taastuda süsteemiriketest, näiteks voolukatkestustest, ja taastada andmeid varukoopiatest, kui ketas rikki läheb.
• Mitme kasutaja tugi: See pakub samaaegset juurdepääsu, nii et mitu kasutajat saavad andmeid lugeda ja muuta ilma üksteise muudatusi üle kirjutamata.
• Turvalisus: See reguleerib, millised kasutajad saavad millistele objektidele ligi pääseda ja milliseid toiminguid teha.

Asustamine

Kolmandas etapis sisestatakse andmed andmemajja.

Täitmise etapp hõlmab järgmisi ülesandeid:

• kaartping lähteandmetest sihtandmeteni.
• Extraclähteandmete töötlemine.
• Andmete puhastamine ja teisendamine.
• Andmete laadimine andmemajja.
• Metaandmete loomine ja salvestamine.

Milliseid tooteid ja tehnoloogiaid te vajate?

Sa täidad neid ülesandeid ETL-iga (nttract, Teisendus, Laadimine) tööriist. See uurib andmeallikaid, teostab allika ja sihtkoha vahelise kaardistamisepingja siis endinetracts teisendab, puhastab ja laadib andmed andmemajja.

Lisaks loob tööriist ka metaandmeid – üksikasju, näiteks kust andmed pärinevad, kui hiljutised need on, milliseid muudatusi tehti ja millist kokkuvõtte taset rakendati.

Juurdepääs

Juurdepääs on neljas samm ja see paneb andmed tööle: andmete päringute tegemine, aruannete ja diagrammide koostamine ning nende avaldamine. Lõppkasutajad esitavad päringuid ja vaatavad tulemusi, sageli läbi OLAP tööriistu.

Juurdepääsu etapp hõlmab järgmisi ülesandeid:

• Metakihi seadistamine, mis tõlgib andmebaasi struktuurid ja objektide nimed äriterminiteks, et mitte-tehnilised kasutajad saaksid andmemaastikule hõlpsalt juurde pääseda.
• Andmebaasi struktuuride seadistamine ja haldamine.
• Vajadusel API-de ja liideste seadistamine.

Milliseid tooteid ja tehnoloogiaid te vajate?

Andmemäele pääsete ligi käsurea või graafilise kasutajaliidese abil. Graafiline kasutajaliides on tavaliselt eelistatud, kuna see genereerib graafikuid hõlpsalt ja on kasutajasõbralikum kui käsurea.

Juhtiv

Haldamine on andmemäestiku juurutamise protsessi viimane etapp. Kasutades kas graafilist kasutajaliidest või käsurida, saavad meeskonnad hakkama käimasolevate haldusülesannetega, näiteks:

• Pidev kasutaja juurdepääsu haldamine.
• Süsteemi optimeerimine ja peenhäälestamine parema jõudluse saavutamiseks.
• Uute andmete lisamine ja haldamine andmemartis.
• Taastestsenaariumide planeerimine, et süsteem rikke korral saadaval oleks.
• Riist- ja tarkvarariketest taastumine andmeid säilitades.

Data Martsi juurutamise parimad tavad

Järgige andmemäestiku juurutamise protsessi vältel neid parimaid tavasid:

• Struktureeri andmemarti allikas osakondade kaupa.
• Mõõtke rakendustsüklit nädalates, mitte kuudes või aastates.
• Kaasake kõik sidusrühmad planeerimis- ja projekteerimisfaasi, sest andmemäestiku juurutamine võib olla keeruline.
• Planeerige andmebaaside riist- ja tarkvara, võrgustamise ja juurutamise kulude jaoks täpne eelarve.
• Isegi kui andmehoidla jagab riistvara, võib see kasutajate päringute käsitlemiseks vajada erinevat tarkvara; hinnake kiirete vastuste saamiseks vajalikku täiendavat arvutusvõimsust ja salvestusruumi.
• Kui andmemägi asub andmelaost erinevas asukohas, tuleb tagada piisav võrguvõimsus vajalike andmemahtude teisaldamiseks.
• Laadimisaja eelarve, mis kasvab koos teisenduste keerukuse suurenemisega.

Data Mart'i eelised ja puudused

Nagu iga arhitektuurivaliku puhul, toob andmebaas kaasa selgeid eeliseid koos mõne kompromissiga.

Eelised

• Andmemägi sisaldab organisatsiooniüleseid andmeid, mis on väärtuslikud kindlale kasutajarühmale.
• See on kulutõhus alternatiiv andmelaole, mille ehitamine võib olla kulukas.
• Andmemägi võimaldab kiiremat juurdepääsu andmetele.
• Seda on lihtne kasutada, kuna see on loodud kasutajate konkreetseid vajadusi silmas pidades, mis võib äriprotsesse kiirendada.
• Andmemart vajab vähem juurutamisaega kui andmeladu, kuna keskendute ainult andmete alamhulgale.
• See sisaldab ajaloolisi andmeid, mis aitavad analüütikutel trende tuvastada.

Puudused

• Ettevõtted loovad mõnikord liiga palju erinevaid ja omavahel mitteseotud andmehoidlaid, mida on raske hallata.
• Andmeturg ei saa pakkuda ettevõtteülest andmeanalüüsi, kuna selle andmestik on piiratud.

KKK