Video: SELECTNET Business Intelligence 2025
Ideen om en data mart er næppe revolutionær, på trods af hvad du måske læser på blogs og i computerhandelspressen, og hvad du måske høre på konferencer eller seminarer. En data mart er simpelthen et nedskaleret datalager - det er alt sammen.
Leverandørerne gør deres bedste for at definere data marts i forbindelse med deres produkter; konsulenter og analytikere definerer som regel data marts på en måde, der er fordelagtig for deres særlige tilbud og specialiteter. Sådan går denne virksomhed; være parat til at stille de hårde spørgsmål.
Hvis du starter et projekt fra starten med en af følgende lokaler, har du allerede to strejker mod dig:
-
"Vi bygger et ægte datalager, ikke en dårlig lille data mart. "
-
" Vi bygger en data mart, ikke et datalager. "
Ved at mærke dit projekt som et eller andet af disse vilkår har du allerede nogle forudset forestillinger om det arbejde, du skal gøre, inden du selv begynder at grave ind i forretningsproblemet. Indtil du forstår de følgende tre spørgsmål, har du intet grundlag for at klassificere dit forestående projekt som enten en data mart eller et datalager:
-
De mængder og egenskaber ved de data, du har brug for
-
De forretningsproblemer, du forsøger at løse, og de spørgsmål, du forsøger at besvare
-
Den forretningsmæssige værdi, du forventer at opnå, når din Systemet er succesfuldt bygget.
Hvis du udvinder og re-hosting en delmængde af data fra en eksisterende applikation til et andet miljø, kan du nøjagtigt kalde det, du opretter en data mart.
Men hvis du starter fra bunden, trækker data fra et eller flere kildesystemer, håndterer kvalitetssikring og transformation og kopierer disse data til et separat miljø, hvad afgøres, om du bygger et datalager eller en data mart?
Selv om der findes nogle retningslinjer, såsom antal emneområder og datamængder, kommer det hele ned til denne erklæring: Så snart du begynder at mærke dit miljø som det ene eller det andet, tilføjer du forudforståede forestillinger og overbevisninger om dets egenskaber, der måske ikke passer til dine forretningsbehov.
Her er svaret: Glem vilkårene data warehouse og data mart. Konsentrere dig i stedet for dit forretningsproblem og dets mulige løsning. Hvilke data har du brug for for at udføre visse informations- og analytiske funktioner; hvor er disse data nu og i hvilken form og hvad skal du gøre for at gøre det tilgængeligt for dine brugere?
Lad terminologi krige være til leverandører og analytikere. Bliv ikke fanget i hype.
