Cos'è il Data Mart nel Data Warehouse? Tipi ed esempi
David Carter
⚡ Riepilogo intelligente
La progettazione di un Data Mart fornisce a un dipartimento un sottoinsieme mirato di informazioni provenienti dal data warehouse, abbracciando i tre tipi di Data Mart, le cinque fasi che vanno dalla progettazione alla gestione e le migliori pratiche che garantiscono una distribuzione rapida, sicura ed economicamente vantaggiosa.
Un data mart porta la potenza analitica di un data warehouse a un singolo team. Concentrandosi su un'unica area tematica, consente a un dipartimento di analizzare rapidamente i propri dati senza dover attendere i carichi di lavoro a livello aziendale. Le sezioni seguenti spiegano cos'è un data mart, perché le organizzazioni lo utilizzano, i tre tipi disponibili e come implementarlo e gestirlo.
Cos'è il datamart?
Un data mart è focalizzato su una singola area funzionale di un'organizzazione e contiene un sottoinsieme dei dati memorizzati in un magazzino datiSi tratta di una versione condensata di un data warehouse, progettata per essere utilizzata da uno specifico reparto, unità o gruppo di utenti, ad esempio Marketing, Vendite, Risorse Umane o Finanza.
Poiché assolve a una singola funzione, un data mart è solitamente gestito da un unico dipartimento all'interno dell'organizzazione. Questa focalizzazione ne mantiene l'ambito circoscritto e la responsabilità chiara.
Un data mart, a differenza di un data warehouse che ne integra molte, raccoglie dati solo da poche fonti. Di conseguenza, i data mart sono di dimensioni ridotte e molto più flessibili di un data warehouse completo.
Perché abbiamo bisogno di Data Mart?
Le organizzazioni si affidano ai data mart per diverse ragioni pratiche:
- Un data mart migliora i tempi di risposta degli utenti riducendo il volume di dati che devono interrogare.
- Fornisce un facile accesso ai dati richiesti di frequente.
- Un data mart è più semplice ed economico da implementare rispetto a un data warehouse aziendale.
- È agile: quando il modello cambia, è possibile ricostruire rapidamente un data mart di dimensioni ridotte.
- Un data mart è definito da un singolo esperto in materia, mentre un data warehouse è definito da un team interdisciplinare, quindi un data mart è più aperto ai cambiamenti.
- I dati sono partizionati, consentendo un controllo degli accessi molto granulare.
- I dati possono essere segmentati e archiviati su diverse piattaforme hardware o software.
In sintesi, poiché un data mart gestisce una porzione di dati più piccola e ben definita, è più veloce da costruire, più economico da gestire e più facile da proteggere rispetto a un data warehouse aziendale.
Tuttavia, non tutti i data mart sono costruiti allo stesso modo. La fonte da cui un data mart attinge determina con quale dei tre tipi si sta lavorando.
Tipi di datamart
Esistono tre tipologie principali di data mart, che si distinguono in base alla provenienza dei dati:
- Dipendente: I data mart dipendenti prelevano i dati direttamente da fonti operative, fonti esterne o entrambe.
- Indipendente: Viene creato un data mart indipendente senza un data warehouse centrale.
- Ibrido: Un data mart ibrido può acquisire dati da data warehouse o da sistemi operativi.
Datamart dipendente
Un data mart dipendente preleva i dati di un'organizzazione da un singolo data warehouse, offrendo così il vantaggio della centralizzazione. Se è necessario creare uno o più data mart fisici, questi vanno configurati come data mart dipendenti.
Un data mart dipendente può essere costruito in due modi: uno in cui gli utenti accedono sia al data mart che al data warehouse a seconda delle necessità, e uno in cui l'accesso è limitato al solo data mart. Il secondo approccio non è ottimale, perché può generare un "cimitero di dati", ovvero dati che provengono da una fonte comune ma vengono poi scartati e risultano in gran parte inutilizzati.
DataMart indipendente
Un data mart indipendente viene creato senza un data warehouse centrale. Questo tipo di data mart è la soluzione ideale per i gruppi più piccoli all'interno di un'organizzazione.
Un data mart indipendente non ha alcuna relazione con un data warehouse aziendale o con qualsiasi altro data mart. I suoi dati vengono caricati e analizzati autonomamente. Questo approccio è in contrasto con la ragione principale per cui si crea un data warehouse: un archivio centralizzato e coerente di dati aziendali che molti utenti con interessi diversi possano analizzare.
Datamart ibrido
Un data mart ibrido combina input provenienti da fonti esterne al data warehouse. Questo è utile quando è necessaria un'integrazione ad hoc, ad esempio, dopo l'aggiunta di un nuovo gruppo o prodotto all'organizzazione.
È particolarmente adatto ad ambienti con database multipli e offre tempi di implementazione rapidi con il minimo sforzo di pulizia dei dati. Un data mart ibrido supporta anche strutture di archiviazione di grandi dimensioni e funziona bene per applicazioni più piccole e incentrate sui dati.
Passaggi nell'implementazione di un Datamart
L'implementazione di un data mart è un processo gratificante ma complesso. Si articola in cinque fasi: progettazione, costruzione, popolamento, accesso e gestione, ciascuna descritta di seguito.
Progettazione
La progettazione è la prima fase dell'implementazione di un data mart. Comprende ogni attività, dalla richiesta iniziale di un data mart alla raccolta dei requisiti, e si conclude con la progettazione logica e fisica del data mart stesso.
La fase di progettazione prevede le seguenti attività:
- Raccolta dei requisiti aziendali e tecnici e identificazione delle fonti di dati.
- Selezione del sottoinsieme appropriato di dati.
- Progettare la struttura logica e fisica del data mart.
I dati possono essere suddivisi in base ai seguenti criteri:
- Data
- Unità aziendale o funzionale
- Presenza sul territorio
- Qualsiasi combinazione di quanto sopra
I dati possono essere partizionati a livello di applicazione o di DBMS, anche se si consiglia il partizionamento a livello di applicazione perché consente un modello di dati diverso ogni anno al variare dell'ambiente aziendale. La maggior parte dei data mart sono costruiti su un modello dimensionale, come ad esempio uno schema a stella, per mantenere veloci le query.
Di quali prodotti e tecnologie hai bisogno?
In questa fase, bastano carta e penna. Gli strumenti che consentono di creare diagrammi UML o diagrammi entità-relazione possono anche aggiungere metadati ai progetti logici e fisici.
Costruire
La fase di costruzione è la seconda fase dell'implementazione. Consiste nella creazione del database fisico e delle strutture logiche.
Questa fase prevede le seguenti attività:
- Implementazione del database fisico progettato nella fase precedente, ad esempio creando oggetti dello schema come tabelle, indici e viste.
Di quali prodotti e tecnologie hai bisogno?
Per costruire un data mart è necessario un sistema di gestione di database relazionali (RDBMS). Un RDBMS offre diverse funzionalità essenziali per il successo di un data mart:
- Gestione dello spazio di archiviazione: Un RDBMS memorizza e gestisce i dati, consentendo di creare, aggiungere ed eliminare record.
- Accesso rapido ai dati: Con una query SQL è possibile recuperare facilmente i dati in base a condizioni o filtri specifici.
- Protezione dati: Il sistema RDBMS è in grado di riprendersi da guasti di sistema come interruzioni di corrente e di ripristinare i dati dai backup in caso di guasto di un disco.
- Supporto multiutente: Offre accesso simultaneo, consentendo a più utenti di leggere e modificare i dati senza sovrascrivere le modifiche altrui.
- Sicurezza: Regola quali utenti possono accedere a quali oggetti e quali operazioni possono eseguire.
Popolamento
Nella terza fase, i dati vengono inseriti nel data mart.
La fase di popolamento prevede le seguenti attività:
- Mappaping dati di origine ai dati di destinazione.
- Extracutilizzando i dati di origine.
- Pulizia e trasformazione dei dati.
- Caricamento dei dati nel data mart.
- Creazione e memorizzazione dei metadati.
Di quali prodotti e tecnologie hai bisogno?
Questi compiti vengono eseguiti con un ETL (ExtracStrumento t, Trasforma, Carica. Esamina le fonti di dati ed esegue la mappatura dalla fonte alla destinazione.pinge poi extractrasforma, pulisce e carica i dati nel data mart.
Durante il processo, lo strumento crea anche metadati, ovvero dettagli come la provenienza dei dati, la loro data di creazione, le modifiche apportate e il livello di riepilogo applicato.
Accesso
L'accesso è il quarto passaggio e mette in uso i dati: interrogazione dei dati, creazione di report e grafici e pubblicazione degli stessi. Gli utenti finali inviano query e visualizzano i risultati, spesso tramite OLAP strumenti.
La fase di accesso prevede le seguenti operazioni:
- Creazione di un livello meta che traduca le strutture del database e i nomi degli oggetti in termini aziendali, in modo che gli utenti non tecnici possano accedere facilmente al data mart.
- Impostazione e manutenzione delle strutture del database.
- Configurazione di API e interfacce, se necessario.
Di quali prodotti e tecnologie hai bisogno?
È possibile accedere al data mart tramite riga di comando o interfaccia grafica (GUI). L'interfaccia grafica è generalmente preferibile perché consente di generare grafici con facilità ed è più intuitiva rispetto alla riga di comando.
Gestione
La gestione è la fase finale del processo di implementazione del data mart. Utilizzando un'interfaccia grafica o la riga di comando, i team si occupano di attività di gestione continue come:
- Gestione continua dell'accesso degli utenti.
- Ottimizzazione e messa a punto del sistema per prestazioni migliori.
- Aggiunta e gestione di nuovi dati nel data mart.
- Pianificazione di scenari di ripristino per garantire la disponibilità del sistema in caso di guasto.
- Ripristino da guasti hardware e software preservando i dati.
migliori pratiche per l'implementazione di Data Mart
Segui queste best practice durante tutto il processo di implementazione del data mart:
- Strutturare la fonte di un data mart per dipartimento.
- Misurare il ciclo di implementazione in settimane anziché in mesi o anni.
- Coinvolgete tutte le parti interessate nella fase di pianificazione e progettazione, poiché l'implementazione di un data mart può essere complessa.
- Calcola con precisione il budget per l'hardware, il software, la rete e i costi di implementazione del data mart.
- Anche quando un data mart condivide l'hardware, potrebbe necessitare di software diversi per gestire le query degli utenti; è quindi necessario valutare la potenza di elaborazione e lo spazio di archiviazione aggiuntivi richiesti per ottenere risposte rapide.
- Quando un data mart si trova in una posizione diversa dal data warehouse, è necessario assicurarsi che la capacità di rete sia sufficiente per trasferire i volumi di dati richiesti.
- È necessario prevedere un budget per i tempi di caricamento, che aumentano con l'aumentare della complessità delle trasformazioni.
Vantaggi e svantaggi di un Data Mart
Come ogni scelta architetturale, un data mart offre vantaggi evidenti, ma anche alcuni compromessi.
Vantaggi
- Un data mart contiene un sottoinsieme di dati aziendali che risultano utili a uno specifico gruppo di utenti.
- Rappresenta un'alternativa economicamente vantaggiosa a un data warehouse, la cui realizzazione può risultare dispendiosa.
- Un data mart consente un accesso più rapido ai dati.
- È facile da usare perché è progettato per le esigenze specifiche dei suoi utenti, il che può accelerare i processi aziendali.
- Un data mart richiede meno tempo di implementazione rispetto a un data warehouse, poiché ci si concentra solo su un sottoinsieme dei dati.
- Contiene dati storici che aiutano gli analisti a identificare le tendenze.
Svantaggi
- A volte le aziende creano troppi data mart disparati e non correlati, che diventano difficili da gestire.
- Un data mart non può fornire analisi dei dati a livello aziendale, perché il suo set di dati è limitato.
