Introduzione alla progettazione di data warehouse
Un magazzino in parole comuni significa, archiviare qualcosa in un posto e casi simili nelle industrie per archiviare la complessa quantità di dati in un luogo. Business Intelligence (BI) consente di eseguire query sui dati dalle origini dati e la fiducia può essere fatta solo quando esiste una buona progettazione del data warehouse.
Il data warehouse integra più origini dati e fornirà un buon supporto per analisi e report analitici. Se la progettazione del data warehouse è scadente, avrà un impatto sulla crescita dell'organizzazione con dati di query imprecisi.
Prendi un esempio di popolarità del negozio web Amazon ordinando l'articolo e può essere consegnato a portata di mano. Quando il cliente accede al sito di e-commerce e cerca il prodotto disponibile nel negozio. Quindi abbiamo selezionato e ordinato l'articolo, non appena il fornitore accetta e spedisce immediatamente. Qui possiamo risparmiare tempo per acquistare l'articolo richiesto.
Un caso simile anche a questo data warehouse, i dati possono essere archiviati e acquisiti dal sistema di transazione. Il data warehouse come due concetti principali
- OLAP - Elaborazione analitica online
- OLTP - Elaborazione transazionale online
Entrambi sono sistemi di elaborazione online ma presentano alcune differenze. OLTP gestisce l'applicazione transazionale come ATM, gli usi OLAP per l'elaborazione analitica come report, previsioni, ecc.,
Raccolta dei requisiti
- La raccolta dei requisiti è una fase della progettazione del data warehouse. Deve determinare i criteri e implementarli con successo. Ci saranno due strategie utilizzate per la progettazione del data warehouse, una è chiamata business e un'altra è chiamata tecnica.
- La strategia aziendale si concentra sulla visione aziendale a lungo termine e aiuta ad aumentare il profitto per la crescita. I requisiti di strategia tecnica si basano su report degli utenti, analisi, selezione dell'hardware, metodo di sviluppo, tecnica di test, ambiente di implementazione e formazione degli utenti.
- Quando abbiamo determinato la strategia aziendale e tecnica, dobbiamo anche progettare il piano BCP (Disaster Recovery). Quando si verifica un disastro umano o naturale, è necessario disporre di un piano per recuperare rapidamente i dati e garantire che non vengano persi dati. Lo sviluppo del piano di ripristino di emergenza è una delle sfide più impegnative e fa affidamento sull'organizzazione.
Impostazione dell'ambiente
- Una volta raccolti i dati per la progettazione del data warehouse, è necessario effettuare una corretta configurazione dell'ambiente per lo sviluppo, i test e la produzione. Preferibilmente dovrebbe esistere un sistema separato per l'applicazione, il database e separato anche per i report / ETL.
- Quando creiamo un ambiente separato per ognuno, assicuriamo che tutti i cambiamenti possano essere sviluppati / testati e quindi passare alla produzione.
- Se disponiamo di un unico ambiente progettato per tutte queste attività, potrebbe finire con il problema e la perdita di dati. Ad esempio, quando si è verificato un incidente nel sistema, non siamo stati in grado di navigare e scoprire il modo di risolvere e questo lo rende più complesso.
Modellazione dei dati
- Una volta impostati la raccolta dei requisiti e l'ambiente, il prossimo è progettare come collegare l'origine dati, elaborare e archiviare nel data warehouse. Questa tecnica è chiamata come modellazione dei dati. Può essere un'analisi dell'oggetto e della relazione tra gli altri.
- Durante la progettazione del data warehouse, gli ingegneri hanno progettato come e dove i dati devono essere archiviati. Nella stessa occasione, dovremmo anche definire il modo possibile per recuperare i dati dal data warehouse. Una volta identificata la fonte, il team può costruire la logica e creare una vista dello schema della struttura.
Tipi di modello di dati
Ce ne sono di tre tipi
- Concettuale
- Logico
- Fisico
I tre tipi di modello di dati sono indicati di seguito:
1. Concettuale: dice COSA contiene il sistema ed è progettato da Business Architects per definire la portata della strategia aziendale.
2. Logico: definisce come il logico può essere creato nel DBMS, sarà progettato da Business Analyst e Data Architect per creare un insieme di regole per archiviare / recuperare i dati
3. Fisico: definisce COME può essere implementato il sistema.
Utilizzo del design del data warehouse
Essere un buon design del data warehouse può richiedere molto tempo durante il recupero dei dati. Ogni passaggio deve seguire efficacemente per rendere buono il sistema. Aiuterà l'organizzazione a gestire i tipi complessi di dati e migliorare la produttività in base all'analisi delle tendenze. Quindi ogni passaggio nella progettazione dell'architettura DWH è importante e più consapevole nel metodo di selezione. L'organizzazione passa successivamente a ciascun flusso e porta all'implementazione corretta del data warehouse.
Esistono pochi usi importanti delle applicazioni di Data Warehouse
1. Settore bancario: la maggior parte delle banche utilizza il data warehouse per archiviare una grande quantità di dati sulle transazioni e la possibilità di recuperare i dati delle query molto più rapidamente. Può essere gestito come dati dei clienti, tendenze del mercato, report, analisi, ecc.,
2. Settore finanziario: è simile al settore bancario, ma l'unico obiettivo è migliorare i cambiamenti finanziari analizzando i dati dei clienti
3. Governo: oggi governo che gestisce molti dati online e archivia nel database relazionale. Ogni dato ha una relazione tra loro come Aadhaar, PAN è collegato a molte fonti.
4. Assistenza sanitaria: i dirigenti e i servizi sanitari forniscono così tante informazioni. Mantiene i dettagli clinici, i dati dei clienti e li aiuta a prevedere i risultati, analizzare i feedback e generare i report.
5. Assicurazione: compagnia di assicurazioni utilizzata principalmente per modelli di dati, tendenza dei clienti e conservazione dei registri.
6. Industria manifatturiera e distributiva: è ampiamente utilizzata in tutti i settori per l'archiviazione delle informazioni sugli articoli e li aiuta a prevedere l'articolo richiesto per la produzione e le vendite. Analizzare l'oggetto venduto che offre migliori tecniche decisionali.
7. Servizi di rivenditori: i rivenditori sono l'intermediario tra il produttore e il cliente. Il data warehouse li aiuta per le promozioni e le tendenze di acquisto degli articoli.
8. Industria della telefonia: le industrie della telefonia gestiscono molti dati storici che aiutano a rendere la tendenza dei dati dei clienti e mirano a promuovere campagne pubblicitarie.
Vantaggi del data warehouse
- Offre una migliore business intelligence
- Garantisce la qualità e la coerenza dei dati
- Risparmia tempo e denaro
- Tiene traccia dei dati storicamente intelligenti
- Genera un ROI elevato
Svantaggio del data warehouse
- Rapporto extra lavoro
- Inflessibilità e omogeneizzazione dei dati
- Preoccupazioni sulla proprietà
- Richieste di grandi quantità di risorse
- I problemi nascosti richiedono tempo
Articoli consigliati
Questa è una guida alla progettazione del data warehouse. Qui discutiamo la tecnica di progettazione del data warehouse, la raccolta dei requisiti, l'impostazione dell'ambiente, gli usi, il vantaggio / svantaggio. Puoi anche leggere il seguente articolo per saperne di più -
- Vantaggi del data warehouse
- Implementazione del data warehouse
- Modellazione del data warehouse
- Strumenti di data warehouse
- Primi 4 diversi tipi di modelli di dati