Indhold
- Hvad er datalagring?
- Typer af data
- Tidsvariantdata
- Emneorienterede data
- Integrerede data
- Forretningsanalyse og rapportgenerering
- Statistisk software og Business Intelligence
- Datamining
- Datalagring i et nøddeskal
Tag væk:
Datalagring giver et solidt fundament til konsolidering af historiske, nuværende og fremtidige data, hvilket gør det muligt for en organisation at generere rapporter, foretage avanceret analyse og udføre nogle data mining.
Mange virksomheder indsamler løbende store mængder data. Men for at bruge disse oplysninger skal et funktionelt sæt processer og procedurer indføres for at give mening om dem.
Uanset om du er en datalagerudvikler eller du hører udtrykket datalagring for første gang, er det vigtigt at forstå det grundlæggende i datalagring - herunder hvad det betyder, hvordan det bruges og fordelene det kan give.
Når data er korrekt analyseret, kan de bruges til at skabe et klarere billede af de positive og negative virkninger, som fælles tendenser og mønstre har på en virksomhed. Det lyder enkelt nok, men at sikre, at data er nyttige, er en af de største udfordringer i datalagring.
Hvad er datalagring?
Et datavarehus er en centraliseret lagerenhed (database), der definerer og samler data og alle dets detaljerede detaljer. Disse detaljer kan omfatte oplysninger, der vedrører en organisations kundegrundlag, tjenesteudbydere, leverandører, transaktioner eller forretningsprocesser gennem brug af en integreret datamodel. (Se BPM og SOA for at lære om forretningsprocessestyring: Hvordan de driver forretning.)
Datalagring henter data fra forskellige kilder, der stilles til rådighed på tværs af en virksomhed; disse data kan derefter analyseres på en række forskellige måder. Et datavarehus er en integreret, ikke-flygtig, tidsvariant og emneorienteret samling af information. Hvad dette betyder er, at et datavarehus skal nå følgende mål:
- Optag og lever adgang til forretningsmetadata
- Forbedring af datakvalitet og minimer genereret rapport uoverensstemmelser
- Integrer data fra mange forskellige kilder og sørg for datadeling
- Forøg hastigheden og ydeevnen for alle rapporteringsbehov ved at flette historiske og aktuelle data effektivt og effektivt
Typer af data
Et datavarehus giver forbedrede teknikker til forretningsundersøgelse ved at tage data fra forskellige kilder og give forretningsbrugere mulighed for hurtigt at få adgang til kritiske data fra et delt sted. Den type data, der indsamles i et datalager, er emneorienteret, integreret og identificeret eller synkroniseret inden for en bestemt tidsperiode.
Når det kommer til datalagring, er der fire nøgletyper af data:
Du kan ikke forbedre dine programmeringsevner, når ingen er interesseret i softwarekvalitet.
Tidsvariantdata
Tidsvariantdata sikrer, at al information, der er gemt i datalageret, er aktuel og genereres i realtid. Alle nøglestrukturer i datavarehuset indeholder et element af tid ved at give information fra et horisontperspektiv, såsom de sidste fem til 10 år.
Emneorienterede data
Emneorienterede data er organiseret baseret på en virksomheds vigtigste fagkategorier, såsom kunder, salg, produkter og tjenester. Emneorientering giver en enkel og kortfattet vurdering af specificerede emneemner ved at fokusere på modellen og analyser af data, der vil blive brugt af organisationens centrale beslutningstagere.
Integrerede data
Integrerede data består af flere, blandede kilder, såsom relationelle databaser, online transaktionsregistre og flade filer. Når de specificerede kilder er integreret med succes, anvendes datarengøring. Dette sikrer konsistens i attributmålinger, navngivning af konventioner, kodning af strukturer og nøgleudtryk gennem datakonvertering.
Forretningsanalyse og rapportgenerering
Et datavarehus er baseret på flerdimensionel datamodellering. En multidimensionel datamodel skaber en række forskellige visninger i form af en datakube, som gør det muligt at moderere og se data gennem flere dimensioner. Et datavarehus er et af de første trin, der bruges, når en organisation udvides og udvikles. Det bruges primært, når en virksomhed beslutter at begynde at investere i forretningsanalyse. Forretningsanalyse tager en række teknologiske applikationer og procedurer, der bruges af virksomheden til at lokalisere og identificere forretningsbehov og forbedring baseret på statistiske data.
Forretningsanalyse hjælper organisationer med at opdage og genkende mønstre, der kan bruges til at forudsige, forme og forbedre forretningsresultater. Det er dog de resultater, der er samlet gennem denne proces, der virkelig tæller, fordi disse bruges til at foreslå oprettelse, implementering og styring af nye strategier. (Se baggrunden for en introduktion til Business Intelligence for baggrundslæsning).
Forretningsanalytiske løsninger tager kvantitative og statistiske faktabaserede data for at evaluere tidligere resultater og forberede sig på fremtidig forretningsplanlægning og alternativer. Indsamling af forretningsdata genereres typisk af maskiner eller applikationer ved hjælp af statistisk software. Det er derfor, mange virksomheder bruger statistisk software til at foretage forbedringer baseret på analyse.
Statistisk software og Business Intelligence
Statistisk software benævnes også BI-software. For mange virksomheder er der ingen specifik software til valg af software, mens andre overholder en virksomhedsstandard eller har en database eller rapporteringsværktøj, der allerede er på plads, som bare skal aktiveres. Den proces, der bruges ved valg af passende analysesoftware, begynder med at oprette en BI-strategi og overholde de overordnede forretningskrav, der allerede er indført.
Virksomhedsledere og analytikere spiller en stor rolle i at vælge den passende software og sikre, at deres forretningsanalyseteknikker starter dem i den rigtige retning. Virksomheder som Amazon er kendt for at spore tendenser i købsadfærd blandt kunder for at finde ud af prisklasser, som målmarkedet er mest behageligt med. Virksomheder er derefter i stand til effektivt at bestemme konkurrencedygtige priskurser uden at forårsage for stor indflydelse på deres samlede fortjenstmargen. Uden en foruddefineret BI-strategi er det almindeligt, at den type software, der købes, ikke giver en organisation de passende tilpasningsevner, den har brug for.
Datamining
Data mining involverer at grave dybt ned i data for at producere nyttig indsigt til at træffe bevis og faktabaserede beslutninger. I tekniske termer kan data mining bruges til at finde korrelationer eller mønstre mellem forskellige felter inden for store relationelle databaser. Mere specifikt er det processen med at analysere information fra flere perspektiver og sammenfatte dem til nyttige data. I et bedste tilfælde kan disse indsigter hjælpe en virksomhed med at reducere omkostninger, øge salget og påvirke andre nøgleprestationsindikatorer.
Data mining er en kraftfuld teknologi, der kan bruges til at opdage flere forskellige dimensioner, kategorier og forhold, der findes mellem forskellige datakilder og poster. For eksempel i detailhandelen kunne datamining hjælpe en virksomhed med at genkende salgsmønstre og kundeadfærd og således give dem mulighed for at udnytte informationen til deres fordel. Et berygtet eksempel er detailhandlermålets evne til at bestemme, hvilken af dens kunder der kan forvente, hvilket gør det muligt for butikken at kuponer til babyartikler på et tidspunkt, hvor forældrene har en tendens til at begynde at handle efter dem.
Datalagring i et nøddeskal
Ved integrering og anvendelse af datalagringsteknikker tillader forretningsanalysemetoder organisationer at forbedre deres overordnede forretningsstrategier og give mulighed for optimeret beslutningstagning ved hjælp af BI-software. Analytics spiller en vigtig rolle i enhver organisation, og mange forskellige procedurer, herunder data mining og andre forskellige analysemetoder, kan bruges til at understøtte og generere passende dataindsamlingstjenester og markedsføring. Nye muligheder og muligheder udforskes ved hjælp af datalagringsteknikker ved at forbedre kundeservice, forenkle lagerstyring, krydspromoterende produkter, der imødekommer individuelle kundebehov og tilvejebringe kritisk produkt- og serviceanalyse.
Datalagring er det, der giver organisationer mulighed for at finde svarene på komplekse spørgsmål i store datasæt. Det er kraften i digital dataindsamling og -lagring.