Data Warehousing: Et ODS Eksempel - Dummies

Her er et data warehousing eksempel, der hjælper dig med at forstå ODS (operationsdatabutik). Antag at du arbejder i et stort finansielt firma, der leverer en bred vifte af tjenester til elitefirmaer og enkeltpersoner over hele verden.

Din virksomhed er vokset til sin nuværende form som følge af en række fusioner og overtagelser i løbet af de sidste 25 år. Udviklingen i bank- og værdipapirtjenester i de seneste år har givet din virksomhed mulighed for at blive en fuld serviceudbyder til dine kunder.

Din virksomheds gennemsnitlige kunde vil sandsynligvis deltage i mange (måske alle) af disse typer aktiviteter:

• Traditionel fondsmægling (køb og salg af aktier i aktier, herunder marginalkontoaktivitet) < Renteinvesteringer (virksomheds- og statsobligationer)

• Optioner handelsregnskaber, herunder risikovilliggørelse

• Likvide beholdning

• Kortfristede lån og andre gældsinstrumenter

• Mellem- og langfristede lån og andre gældsinstrumenter

• Venturekapitalinvesteringer

• Du vil have dine kunder til at bruge din virksomhed som en - stop shopping for alt, der involverer store summer. Din virksomheds situation er dog lidt kompliceret - især på disse to områder:

Fusioner og overtagelser har efterladt din it-infrastruktur med et stort antal solo applikationer (applikationer, der ikke er integreret med hinanden, selv om de sandsynligvis burde være).

• Et system håndterer aktiehandel for amerikanske aktier, for eksempel, og et andet system håndterer aktiemarkedsaktivitet fra ikke-U. S. globale udvekslinger. Derudover håndterer separate systemer håndteringsaktivitet, al gældsaktivitet i USA, alle kortfristede gældsforpligtelser i Europa og alle mellemliggende og langfristede europæiske gældsforpligtelser. Og listen fortsætter.

  Definitionen af ​​en kunde er noget uklar. Enkeltpersoner opretter selskaber og partnerskaber, hvorigennem de foretager investeringer eller sikre lån til forretningsaftaler. Dine erhvervskunder kan være datterselskaber af andre virksomheder, som også kan være dine kunder.

• Din forretningspraksis opfordrer til al kreditaktivitet med hver kunde at gennemgå en række kvalitetssikringskontrol, inden den godkendes:

Hver enkelt kundes, uanset om en person eller en virksomhed har flere lofter for gældsaktivitet. Et loft er et beløb af den samlede udestående gæld til enhver tid. Indtil en kunde når dette loft på første niveau, kan han eller hun uden menneskelig indblanding automatisk tage et nyt lån eller handle mod en kreditlinje, købe aktier på margen eller udføre enhver anden form for aktivitet, der øger gælden.

• Hver kunde kan overskride loftet på det første niveau til et andet loftbeløb efter at have modtaget godkendelse fra en af ​​virksomhedens ledere.

• For at en chef skal godkende kreditaktivitet forbi det første loft til det andet, skal han eller hun kontrollere en række foranstaltninger.

• For eksempel skal kunden have en bestemt aktivbalance på plads; Kunden har muligvis ikke reduceret samlede aktiver ved hånden på alle konti af alle typer (såsom kontanter, aktier og obligationer) med mere end 15 procent i de foregående 30 dage; og banken har maksimale beløb for den samlede gæld i hvert land justeret af aktiver i hvert land.

  For at hjælpe med at styre risikoen, sporer din virksomhed forholdet mellem alle dine kunder for at få et rigtigt billede af kundens økonomi. For eksempel kan en person styre en række virksomheder, som hver især behandler som en individuel kunde med egen aktiv- og gældsaktivitet ud over den enkelte persons egne konti.

• Når din virksomheds ledere godkender yderligere gæld udenfor første loftet (for et fast ejendom partnerskab, der involverer det enkelte menneske) skal ledelsen vurdere et samlet billede af, hvad der sker med den enkeltes aktivitet for at undgå for stor risikoeksponering i tilfælde af økonomiske problemer.

  Selvom kvalitetssikringskontrollerne beskrevet i den foregående liste er konceptuelt ligefrem, er de ekstremt komplekse at implementere af en enkelt grund: Disse checks kræver data fra systemer over hele din virksomhed, fra mange forskellige systemer.

Disse data indeholder oplysninger som alle aktivaktivitet, al gældsaktivitet og løbende udestående lån samt oplysninger om, hvilke lån der først blev afbetalt tidligere på dagen.

En tilgang, du kan prøve, er at forsyne din virksomheds ledere (dem, der skal træffe beslutninger om lånetilladelse) med grænseflader i alle systemer, hvor de kan finde nødvendige data. Disse ledere kan derefter køre en lang række forespørgsler (hvis de endda kan støttes), trække de relevante værdier, indsætte dem i et regnearksprogram og træffe beslutningen.

Denne tilgang har dog to problemer: Muligheden for menneskelig fejl er høj, og det tempo, som denne type aktivitet skal forekomme på, er kun i orden under "almindelige" tider.

I en tid med finanskrisen, når mange eller de fleste af virksomhedens kunder køber og sælger aktier, dækker margener, købs- og salgsmuligheder, forsøger at håndtere deres hækkekonti, udfører mod kreditlinjer og laver alle andre aktiviteter meget hurtigt, kan din virksomheds medarbejdere bare ikke holde op.

I denne situation kommer ODS til undsætning. Denne figur illustrerer en konceptuel arkitektur, som du kan bruge til at implementere en ODS, der opfylder dine forretningsmissioner. For det første giver ODS et konsolideret billede af en kundes saldi for automatisk lånbehandling under det første loft. Derefter gør ODS det muligt for ledere at træffe ja-eller-nej beslutninger om låneanmodninger op til det andet loft.

ODS giver brugerne et konsolideret, næsten øjeblikkeligt billede af forskellige data til støtte for en bestemt forretningsmission.

For at få et bedre kig på datastrømmene inden for ODS-miljøet, se denne figur, hvor opdateringer til en af ​​datakilderne (systemet, der håndterer us. Gæld) former sig i ODS-miljøet.

ODS skal afspejle datatilstanden i hele virksomheden så hurtigt som muligt.

Følgende trin angiver, hvad der sker i ODS-miljøet:

En kunde foretager en regelmæssigt planlagt lånebetaling, og det system, der håndterer betalinger på amerikanske lån og kreditlinjer, behandler betalingen.

1. Lånbetalingsansøgningen opdaterer sin database for at afspejle betalingen.

2. Lånbetalingsansøgningen skubber straks de opdaterede data til ODS.

3. ODS modtager opdateringen og behandler den, opdaterer dens databaseindhold (i dette eksempel reducerer kundens samlede udestående gældsbeløb).

4. ODS udfører enhver intern behandling, konsolidering, advarsler eller andre nødvendige funktioner.

5. Et miljø som det i den foregående liste kan - hvis alt er opbygget korrekt - give et billede af alle relevante data fra hele stedet - nu - til støtte for firmaets risikostyringsmission.

Du skal validere behovet for opdateringer i realtid i din ODS, fordi disse opdateringer er komplekse at oprette, som beskrevet i det følgende afsnit.

Udfordre konstant antagelser og still spørgsmål: "Hvad sker der, hvis du skal vente til slutningen af ​​dagen? Hvad hvis opdateringer var to gange om dagen? Hver time? "Vær helt sikker på, at missionen dikterer opdateringer i realtid, fordi oprettelsen af ​​en ODS tager længere tid (og er dyrere) end et datalager.