Introduzione a Oracle Data Warehousing

Il data warehousing, in generale, può essere definito come un database per lo stoccaggio di dati aziendali o organizzativi su cui è possibile realizzare attività di business case desiderate. Le operazioni transazionali regolari sono separate dal carico di lavoro complessivo, mentre la memorizzazione dei record storici per l'analisi e il miglioramento viene eseguita prima del deposito. In questo articolo, discuteremo di Oracle Data Warehousing.

Precisamente, il Data Warehousing include:

  • Accumulo di record storici da diverse fonti di dati.
  • Ispezione e analisi dei documenti aziendali passati.
  • Ottieni approfondimenti e informazioni necessarie per guidare le esigenze e le motivazioni aziendali.

Pertanto, soprattutto le operazioni sono orientate alla lettura, piuttosto che alla manipolazione diretta dei set di dati. Oracle Data Warehousing è un concetto di database Oracle completamente ottimizzato, basato su cloud, completo e affidabile. È stato creato principalmente per sperimentare operazioni di database efficienti e flessibili che gli consentono di offrire prestazioni leader del mercato.

Caratteristiche del data warehousing

William H. Inmon, un informatico americano si riferisce alle caratteristiche del data warehousing come:

  • Soggetto-Oriented

Un data warehouse è progettato principalmente per analizzare i dati e ricavare informazioni dettagliate. Siamo in grado di costruire magazzini personalizzati su reparti specifici di un'azienda.

che a sua volta può dedurre artisti della classifica, clienti target, ecc.

  • integrato

I dati manipolati vengono spesso recuperati da origini diverse. In tali circostanze, i dati dovrebbero prevalere nella prevenzione di conflitti. Tale tratto acquisito è l'integrità.

  • Non volatile

Quando i dati vengono ceduti al deposito, non possono essere manipolati o modificati. Poiché l'analisi viene eseguita sui dati che si sono verificati.

  • Variante temporale

Per ricavare tendenze e regressioni sui dati storici, l'analista richiede un'enorme quantità di dati.

Architettura di Oracle Data Warehousing

In generale, l'architettura di data warehousing di Oracle può essere ampiamente classificata come:

1. Architettura a livello singolo

L'obiettivo principale è ridurre in modo significativo l'archiviazione dei dati, eliminando così la ridondanza. Ma in pratica, è molto meno usato in giro.

2. Architettura a due livelli

Un livello discreto di origini dati e data warehouse disponibili fisicamente. Comparativamente l'architettura non è estensibile e deve affrontare anche limiti di connettività.

3. Architettura a tre livelli

La famosa architettura è composta da Bottom, Middle e Top Tier.

  • Livello inferiore: giubbotti di database in questo livello che è in gran parte sistemi di database relazionali. Le risorse di dati vengono raccolte e manipolate utilizzando varie applicazioni di back-end e immesse nel database.
  • Livello intermedio: vista a strati astratta del database che funge da intermediario tra utente e database. Oracle supporta un potente OLAP implementato a livello intermedio che fornisce misure analitiche sicure e scalabili nel sistema.
  • Livello superiore: il livello front-end recupera i dati dal database e li presenta al client. Può essere uno qualsiasi degli strumenti di query basati su Oracle come SQLPlus, sviluppatore SQL.

Ora andremo avanti esplorando i dettagli dell'architettura generale. Fare riferimento all'immagine seguente:

  • In primo luogo, il sistema centrale, ovvero il data warehouse di Oracle, è costituito da dati grezzi, metadati e dati di riepilogo.
  • I dati non elaborati sono l'effettivo payload del normale OLTP archiviato, insieme al quale i metadati definiscono i dati presenti all'interno.
  • D'altra parte, i dati di riepilogo contengono tutte le operazioni ridondanti costose e di lunga durata, chiamate anche vista materializzata.
  • Alimentare la giusta fonte di dati di qualità è più importante che a sua volta influenza la qualità e la manutenzione del data warehousing a lungo termine.

Origine dei dati

  • Nelle grandi aziende, i dati vengono spesso recuperati da diversi feed.
  • Può andare ovunque spaziando da dati legacy, fonti esterne, applicazioni verticali.

Area di sosta

  • I dati operativi dovrebbero essere trattati e puliti prima di essere inseriti nel data warehouse.
  • L'area di gestione temporanea si occupa di questo processo, che può essere nuovamente eseguito in modo programmatico.
  • L'area di gestione temporanea è responsabile del consolidamento e dell'elaborazione di dati non strutturati da varie fonti di dati.
  • L'importanza dell'area di gestione temporanea può essere realizzata durante la gestione di magazzini a livello aziendale, in cui i dati dovrebbero provenire collettivamente in un formato non strutturato, elaborati e consolidati prima di essere immessi nel magazzino.

Data Mart

  • Oltre a gestire le origini dei dati, un'azienda aziendale spesso richiede di personalizzare l'ambito dell'architettura a vari gruppi.
  • I data mart servono a tale scopo, in cui il sistema dipende da diversi dipartimenti come il marketing, l'inventario è separato appositamente per un uso destinato. I data mart definiscono l'ambito di accessibilità degli utenti e dei gruppi di utenti e gestiscono le vie preventive.
  • Ad esempio, il team di reporting accede ai dati di vendita e elabora il dashboard per le aziende, mentre Sales utilizza i dati del team di analisi per guidare le decisioni aziendali. Tale consolidamento e definizione dell'ambito sono dichiarati nei data mart.
  • Inoltre, i data mart possono di solito essere collocati in concomitanza con il sistema di data warehouse Oracle o talvolta possono essere creati come sistemi separati che favoriscono la scalabilità.

vantaggi

  • Comparativamente, il magazzino Oracle è considerato semplice e facilmente configurabile se gli obiettivi e le fonti sono chiari.
  • L'obiettivo principale è improvvisare il processo decisionale nel mondo degli affari.
  • Maggiore produttività e costi operativi effettivi.
  • Supporta la trasformazione di dati grezzi di grandi dimensioni in informazioni preziose.
  • L'integrità dei dati può essere garantita con tempestiva qualità.

svantaggi

A parte tutti gli elogi, Oracle Data Warehousing ha alcuni contro come spiegato di seguito:

  • Problemi di sicurezza

La sicurezza dei dati può essere calcolata con precisione solo per la garanzia del fornitore. Inoltre, se l'implementazione interna garantisce un ambito di accessibilità affidabile tra diversi flussi in un'azienda può essere difficile.

  • Flessibilità dei dati

Spesso i magazzini tendono a contenere dati statici e soggetti a serie strutture di query.

  • Rapporto costi / benefici

La manutenzione e il dispendio di ore lavorative IT è un fattore determinante per l'implementazione del data warehousing di Oracle.

Gestione della qualità in Oracle Data Warehousing

  • Supporta soluzioni di qualità end-to-end.
  • Tiene traccia dei metadati e del riepilogo del repository.
  • A seconda delle esigenze, può generare una mappatura per le correzioni dei dati.

I ruoli di data warehousing in un'azienda possono essere specificamente classificati come diversi titoli di lavoro che vanno dal minatore di dati, dal consulente / sviluppatore di data warehousing all'architetto. Il settore IT è costantemente testimone della rapida crescita delle specializzazioni di data warehousing nelle tecnologie di business intelligence.

Articoli consigliati

Questa è una guida a Oracle Data Warehousing. Qui discutiamo l'architettura, le caratteristiche, i vantaggi e gli svantaggi del data warehousing di Oracle. Puoi anche consultare i nostri altri articoli suggeriti:

  1. Componenti di Oracle Warehouse Builder
  2. Cos'è Oracle Database e la sua architettura
  3. Introduzione alle funzioni di stringa Oracle
  4. Semplici passaggi su come installare Oracle
  5. KPI in Power BI
  6. Dichiarazione IF di Power BI
  7. Che cos'è una query e tipi di query Oracle

Categoria:

Big Data