Hvad skal man skrive i Data Mart - dummies

Hvis en data mart er en mindre version af et datalager, kommer dette spørgsmål op: Hvad betyder "mindre skala" i forhold til indholdet af en data mart? Svaret på dette spørgsmål er typisk, at dataene vil være en delmængde af de samlede virksomhedsdata .

Geografi-afgrænsede data

En data mart kan kun indeholde de oplysninger, der er relevante for et bestemt geografisk område, f.eks. En region eller et område inden for dit firma. Denne figur illustrerer et eksempel på geografi-afgrænsede data.

Selv om du teknisk set kan bruge en geografisk afgrænset data mart på en relativt ligetil måde, vil du sandsynligvis ikke dele dine data på denne måde. Brugerne vil ofte se en sammenligning på tværs af geografi (for eksempel, "Hvordan handler vores Arizona butikker mod vores Pennsylvania-butikker?") I deres datalagringsmiljø. Når du opretter separate data marts af forskellige geografiske grunde, bliver disse typer af sammenligninger meget vanskeligere at gøre.

Organisationsbegrænsede data

Når du beslutter, hvad du vil lægge i din data mart, kan du basere beslutninger om, hvilke oplysninger en bestemt organisation har brug for, når den er den eneste (eller i hvert fald primær) bruger af data mart. Som det fremgår af denne figur, kan en bank oprette en data mart til analyse af forbrugernes kontrol-konto og en anden data mart for kommercielle kontrolkonti.

Denne tilgang fungerer godt, når det overvældende flertal af henvendelser og rapporter er organisationsorienterede. For eksempel har den kommercielle kontrolgruppe ikke noget behov for at analysere forbrugerkontrolkonti og omvendt.

Det er nødvendigt at grave ind i forretningsbehovet under omfanget af et data warehousing eller data mart projekt. Udenstående kan f.eks. Tænke: "Okay, læg alle kontooplysninger, både forbrugere og kommercielle, ind i samme miljø, så marketing- eller risikostyringsanalytikere kan køre rapporter, der sammenligner gennemsnitsbalancer og andre oplysninger for hele kontokontrolporteføljen ved banken. "

Efter yderligere analyse kan du måske bemærke, at banken ikke gør denne type sammenligning, så hvorfor ikke holde de to områder adskilt og undgå unødvendig kompleksitet?

Funktionsbegrænsede data

Ved at anvende en tilgang, der krydser organisationsgrænser, kan du etablere et data mart indhold baseret på en bestemt funktion (eller sæt relaterede funktioner) i virksomheden. Et multinationalt kemisk selskab kan f.eks. Kun oprette en data mart til salgs- og markedsføringsfunktionerne på tværs af alle organisationer og på tværs af alle produktlinjer som vist i denne figur.

Markedsbegrænset data

Et selskab kan lejlighedsvist være så fokuseret på et bestemt marked og de tilhørende konkurrenter, at det giver mening at skabe en data mart orienteret med det pågældende fokus. Som det fremgår af denne figur, kan denne type miljø omfatte konkurrencedygtige salg, alle tilgængelige offentlige oplysninger om markedet og konkurrenterne (især hvis du kan finde disse oplysninger på internettet) og f.eks. Branchanalytikernes rapporter.

For at virkelig give den forretningsmæssige intelligens, som et firma har brug for i en konkurrentdrevet situation, konstruerer data mart til at omfatte multimedieinformation ud over de traditionelle datatyper, der typisk findes i et datalager.

Svar på specifikke forretningsspørgsmål

Svarene på et udvalgt antal (ofte en håndfuld) forretningsforespørgsler driver lejlighedsvis en organisations aktiviteter. Baseret på svarene kan et firma fremskynde eller sænke produktionslinjerne, starte ekstra skift for at øge produktionen eller indlede afskedigelser, eller beslutte at erhverve andre virksomheder.

Forretningsproblemer, der har denne grad af vigtig betydning, skaber traditionelt mareridt for de interne medarbejdere, der handler med at uddele data og rapporter, konsolidere og kontrollere oplysningerne og rapportere resultaterne til direktionen.

Lyder som et job til et datalager, siger du? Desværre har virksomhedsanalytikere ofte brugt regneark, som Microsoft Excel. Disse typer af "spread mars" mangler ofte gentagelseskvaliteten og datakvaliteten, der kræves for at udnytte dataene i mere end et øjeblik i tid.

Før du opbygger et fuldskala datalagre, der kan svare på disse (og mange andre) forretningsspørgsmål, vil du sandsynligvis overveje, om en lille data mart designet specifikt til at svare på disse højeffektive, højværdi " Hvordan laver vi? "Typen af ​​spørgsmål kan få jobbet gjort.

Senere kan denne type miljø vokse til et større datalager. Det er dog ofte mere fornuftigt at koncentrere dine bestræbelser på at understøtte en data mart, der har kendt forretningsmæssig værdi, i stedet for at supplere den med mængder af yderligere data, der kan give virksomhedsværdi (men kan også sænke responstid eller betydeligt komplicere slutningen til-ende arkitektur).

Igen gør jobbet i de tidlige faser af dit projekt en stor forskel i den retning du tager og dit niveau af succes.

Alt!

Ethvert sæt kriterier, som du kan drømme op, kan bestemme indholdet af data mart. Nogle giver mening; andre gør det ikke. Nogle tager dig ind i en arkitektonisk blindgyde, fordi du kun får begrænset værdi og skal starte over for at udvide dine evner.