Ang bawat babae ay may isyu sa pamamahala ng kanyang mga pag-aari. Mula sa mga damit hanggang sa mga accessories, kailangan niya ang isang bagay na makakatulong sa kanyang maiimbak ang lahat ng kanyang mga gamit sa isang lugar. Hindi ko maisip na hindi organisado at sigurado akong karamihan sa iyo na nagbabasa nito ay sasang-ayon sa akin. Bakit napakahirap maging maayos? Karamihan sa mga oras, napinsala ako sa kadahilanang kadahilanan ng pagiging isang mapanghimagsik na taong mapusok.
Ngayon ang dahilan kung bakit ko ito dinala ay dahil nabasa ko ang maraming mga artikulo tungkol sa warehousing ng data at naalala ko ang aking sarili. Tulad ng aking pangunahing pagkahumaling sa pagkakaroon ng lahat ng aking mga pag-aari sa isang lugar sa tamang pagkakasunud-sunod, inaasahan din ng mga kumpanya ngayon ang pareho. Mayroong mga pagkakataong maging malabo ang iyong mga ideya sa data warehousing. Maraming mga tao na hindi pa rin clueless tungkol sa pareho.
Ang mga warehouse ng data ay malawakang ginagamit sa loob ng mga samahan ngayon. Pinaniniwalaan na, sa mga susunod na taon ang paggamit nito ay unti-unting tataas. Sa mga mapaghamong oras, ang paggawa ng matalinong mga desisyon at mahusay na pamamahala ng data ay naging napakahalaga, doon napupunta sa ganap na ganap ang bodega ng data. Ang konsepto ng data warehousing ay hindi mahirap maunawaan. Ang paniwala ay upang lumikha ng isang permanenteng puwang ng imbakan para sa data na kinakailangan upang suportahan ang pag-uulat, pagtatasa, at iba pang mga pagpapaandar ng BI.
Ang konsepto ng data warehousing ay simple. Panay ang pagkuha ng data mula sa mga application na sumusuporta sa mga proseso ng negosyo at kinopya sa mga espesyal na computer. Doon maaari itong mapatunayan, muling baguhin, muling ayusin, buod, muling ibalik, at dagdagan ng data mula sa iba pang mga mapagkukunan (Ang bodega ng Data ay ang aking kahon sa accessory. Tulad ng pamamahala ng aking hanay ng mga nakakalat na accessories sa mga mini box, na nakaimbak din sa isang malaking kahon) . Ang warehouse ng data ay naging pangunahing mapagkukunan ng impormasyon para sa pagbuo ng ulat, pagtatasa, at pagtatanghal sa pamamagitan ng mga ulat ng ad hoc, portal, at dashboard. (Nagiging mas madali para sa akin na hanapin kung aling kagamitan ang itinatago sa anong kahon)
Mga pagpapaandar ng isang Data warehouse
1. Tumatakbo sa mga computer na nakatuon sa pagpapaandar na ito. (Aking isipan)
2. Tumatakbo sa isang database management system (DBMS) (serye ng iba pang mga mini box na nag-iimbak ng aking mga aksesorya)
i-convert mula doble hanggang int
3. Pinapanatili ang data sa loob ng mahabang panahon. (Itinatago ang aking mga aksesorya sa loob ng mahabang panahon)
4. Pinagsasama ang data na nakuha mula sa maraming mga mapagkukunan (Nag-iimbak ng isang hanay ng mga accessories na nakakalat sa iba't ibang mga lugar)
5. Itinayo sa paligid ng isang maingat na dinisenyo na modelo ng data na nagbabago ng data ng produksyon mula sa isang disenyo ng entry ng mataas na bilis sa isang sumusuporta sa mataas na bilis ng pagkuha. (Ang aking pagpipilian ng pagpili ng perpektong dinisenyo na kahon upang mapaunlakan ang lahat ng aking mga aksesorya at pag-iba sa pagitan ng isang magandang kahon at isang hindi pangkaraniwan)
Ang pinakamahirap na bagay tungkol sa paglikha ng isang mahusay na warehouse ng data ay ang disenyo ng modelong iyon kung saan ito binuo. Ang mga desisyon ay kailangang gawin tungkol sa mga pangalang ibibigay sa bawat larangan, kung ang bawat modelo ng data ay kailangang muling baguhin at kung anong mga patlang ng data ang dapat kalkulahin at idagdag. Kapag ang isang data warehouse ay pagpapatakbo, mahalaga na ang modelo ng data ay mananatiling matatag. Kung hindi, kung gayon ang mga ulat na nilikha mula sa data ay kailangang baguhin tuwing nagbabago ang modelo ng data.
Kapag ang isang data warehouse ay nasa lugar at mahusay na may populasyon, ang mga magagandang bagay ay nagsisimulang mag-crack. Ang ilan sa mga ito ay ang mga sumusunod:
1. Pagbuo ng mga naka-iskedyul na ulat
2. Naka-package na mga application na analitikal
3. Pag-uulat at pagtatasa ng ad hoc
4. Dynamic na pagtatanghal sa pamamagitan ng mga dashboard
5. Mag-drill down na kakayahan
6. Pagmimina ng datos
7. Seguridad
Ang mga benepisyong ito ay kung bakit ang BI batay sa data warehousing isang mahalagang tool sa pamamahala para sa mga kumpanya na naabot ang isang tiyak na antas ng pagiging kumplikado.
Ang ilan sa mga Malaking tatak na may Data Warehouse
Apple
Nagpapatakbo ang Apple ng isang multi-petabyte Teradata system. Gumagamit ang Apple ng data warehouse upang makakuha ng mas mahusay na pag-unawa sa mga customer nito sa mga pangkat ng produkto. Ngayon ang bawat piraso ng makikilalang impormasyon at mga pakikipag-ugnay na i Tunes ay bumubuo ng maraming data na napupunta sa system upang malaman ng kumpanya kung sino at ano ang kanilang balak.
pag-uri-uriin ang algorithm c ++
Walmart
Nag-deploy ang higanteng tingi sa Teradata ng kauna-unahang terabyte-scale database ng 1992 noong 1992, at medyo lumaki ito mula noon. Ang sistemang pagpapatakbo nito ay nasa 2.5 petabytes noong 2008, at tiyak na lumulundag at mas malaki ngayon - malamang na sa doble na digit kapag isinasaalang-alang mo na nagpapatakbo ito ng magkakahiwalay na mga para sa Walmart at Sam's Club pati na rin isang backup na system. Mahalagang natulungan ng mga pagsisikap sa analytics si Walmart na maging isang napakalaking tindahan ng consignment.
ebay
Ang eBay ay may dalawang mga system sa lugar, at pareho silang malaki. Ang pangunahing data warehouse nito ay 9.2 petabyes nito 'singularity system' na nag-iimbak ng mga pag-click sa web at iba pang data na 'malaki' ay higit sa 40 petabytes. Mayroon itong isang solong talahanayan na 1 trilyong hilera. Oo, ito ay mas maliit kaysa sa 50 petabytes na halaga ng Hadoop na kapasidad ng eBay na idinagdag noong nakaraang taon, ngunit ang Teradata ay mabilis na ipahiwatig na ang lahat ng mga system nito ay sumusuporta sa data papunta at labas ng Hadoop, kaya't hindi tulad ng pagpapatakbo ng eBay ng dalawang ganap na natatanging data mga kapaligiran
Starbucks
Mula noong 1971, ang Starbucks Coffee Company ay nakatuon sa etikal na sourcing at litson ang pinakamataas na kalidad na kape sa buong mundo. Gumagamit sila ng isang mataas na pagganap na data warehouse ng data na naglalaman ng mga benta, marketing, pamamahala ng tindahan, point of sale, loyalty ng customer, at data ng supply chain upang maghimok ng mas maraming kaalamang mga desisyon sa negosyo sa antas ng corporate, regional, at store.
Narito ang ilang mga kagiliw-giliw na mga kaso ng paggamit:
Napagpasyahan ng Continental Airlines na nais nitong panatilihing masaya ang mga kostumer nito at sinimulang suriin ang mga ito ayon sa halaga ng panghabambuhay at nagsimulang gumawa ng mga kahaliling pag-aayos para sa kanila sa sandaling mapagtanto ng airline na maaantala ang mga flight.
Ang isang mamahaling kumpanya ng kotse ay gumamit ng Aster Data upang pag-aralan ang pattern ng mga pagkabigo para sa iba't ibang mga bahagi sa loob ng mga kotse nito. Napag-alaman na ang pag-iilaw, mga upuan at infotainment ay madalas na nabigo nang magkasama (nasa parehong circuit sila) at nagsimulang siyasatin ang lahat ng tatlong pagdating ng isang customer para sa serbisyo sa anuman sa kanila.
Bakit hindi mo makaligtaan ang pagkakaroon ng isang Data Warehouse?
Ang halaga ng data warehouse ay nagdaragdag sa paglipas ng panahon at nagbabayad ito upang simulan ang paglalagay ng lahat sa isang lugar. Ang isang pagkaantala sa pagkakaroon nito ay maaaring gastos sa iyo habang ang iyong mga kakumpitensya ay nakuha ang pagkakataon.
1. Ang matitipid na pagtipid ay nagmula sa mga bagay tulad ng pagtuklas ng mga nawawalang diskwento sa mga babayaran o ang mga benta na tao ay nag-aalok ng mga diskwento na lampas sa naaprubahang mga limitasyon.
2. Ang pagsasama-sama ng real time na data ng pampinansyal ay naging praktikal at ang mga debate ay tumigil sa kung aling mapagkukunan ng data ang tama.
3. Ang mga gastos sa IT at kawani na nakatuon sa pag-uulat ay lubos na nabawasan.
4. Sa pamamagitan ng pagbibigay ng data mula sa iba`t ibang mga mapagkukunan, ang mga tagapamahala at ehekutibo ay hindi na kakailanganing gumawa ng mga desisyon sa negosyo batay sa limitadong data o kanilang gat.
5. Ang isang Data warehouse ay nag-iimbak ng maraming halaga ng makasaysayang data upang maaari mong pag-aralan ang iba't ibang mga tagal ng panahon at mga uso upang makagawa ng mga hula sa hinaharap.
ay madaling malaman
6. Gumagana ang warehouse ng data sa pag-save sa iyo ng maraming oras. Makatipid sila ng oras sa pamamagitan ng pag-iimbak ng impormasyon ng isang kumpanya sa isang lokasyon. Kaysa sa pagkakaroon nito sa iba't ibang mga lokasyon, ginagawang mas mahusay ito ng isang sentralisado.
Kailangan ba ng iyong kumpanya ng isang Data Warehouse?
Ang data na nabuo ng iyong kumpanya ay may malaking halaga sa iyong negosyo. Nais mong tiyakin na ang lahat ng iyong data ay ligtas at maa-access sa anumang punto ng oras. Ngunit ngayon, ang data ay lumalaki nang napakalaki at ang mga kumpanya ay naghahanap ng isang paraan upang pamahalaan ang mga ito. Ang warehouse ng data ay tila isang mahusay na pusta sa kasong ito. Ngunit ang totoong tanong ay, kailangan ba talaga ng iyong kumpanya ng isa?
1. Pag-asa sa mga spreadsheet
Ang paggamit ng mga spreadsheet ay naging napakahalagang halaga dahil isa ito sa pinakamahalagang tool sa negosyo ngayon. Ang isang malaking halaga ng data ay maaaring maiimbak sa mga spreadsheet na ito. Lumilitaw ang problema kapag nagsimulang tumaas ang laki ng data. Ang bawat departamento ay may mga spreadsheet na kakailanganin mong mag-pull ng data upang makabuo ng isang ulat. Kung ito ang kaso nahanap mo ang iyong sarili na lumilikha ng mga manu-manong ulat, na maaaring tumagal ng maraming oras mo. Kapag nangyari ito, dumating ang data warehouse sa larawan upang gawing mas madali ang mga bagay, dahil mahirap hanapin ang data dahil kumakalat ito sa iba't ibang mga sheet.
2. Mahabang panahon ng paghihintay
Kung bumubuo ka ng isang ulat, upang malaman lamang na kailangan mong maghintay para sa mga kasamahan na magbigay ng impormasyon sa kanilang mga spreadsheet, o upang pag-aralan ang kanilang data, mahahanap mo ang iyong sarili na naghihintay ng mas mahabang panahon. Ang pagpapatupad ng isang warehouse ng data ay makakatulong sa sentralisahin ang data at gawing magagamit ito sa lahat ng mga kasapi ng koponan nang mas epektibo. Binabawasan nito ang oras na ginugol na talagang kinakailangang subaybayan ito at makipag-usap sa mga kasamahan.
3. Mga Pagkakaiba sa Data at Mga Ulat
Kapag lumikha ng mga ulat ang mga pinuno ng koponan o miyembro ng iba't ibang departamento, ang data o mga natuklasan ay naiiba sa iyo, o iba pang mga ulat. Hindi lamang ito nakakainis, nakakagugol din ng oras upang ayusin at maaaring humantong sa mga mamahaling pagkakamali. Kung sa anumang oras sa tingin mo ay mayroong hindi pagkakapare-pareho sa iyong data, kung gayon marahil ay maaari mong isipin ang pagkuha ng isang data warehouse.
4. Oras na ginugol sa pagbuo ng mga ulat
Sa isip, dapat na makabuo kami ng isang ulat na gumagamit ng umiiral nang data halos agad. Kapag bumubuo ng isang ulat kung nalaman mong kailangan mong magpatuloy sa pagpunta sa iba't ibang mga mapagkukunan upang suriin kung na-update ang data, o panatilihing manu-manong pag-update ng iba pang mga mapagkukunan, mapapansin mo ang dami ng oras na kinakailangan upang makabuo ng isang ulat.
Dahil pinagsama-sama ng mga warehouse ng data ang data, kailangan mo lamang lumiko sa isang mapagkukunan para sa data. Pagsamahin sa katotohanan na maraming mga warehouse ng data ang maaaring i-set up upang awtomatikong i-update kung ang data ng mapagkukunan ay na-update o binago, at masisiguro mo na ang data na iyong ginagamit ay palaging tama.
May tanong ba sa amin? Mangyaring banggitin ang mga ito sa seksyon ng mga komento at babalikan ka namin.
Mga Kaugnay na Post: