Home » Articole » RO » Afaceri » Știința datelor (Data Science) » Magazine de date

Magazine de date

Un magazin de date (data mart) este stratul de acces al mediului de depozit de date care este utilizat pentru a furniza date utilizatorilor. Magazinul de date este un subset al depozitului de date și este de obicei orientat către o anumită linie de afaceri sau echipă. În timp ce depozitele de date au o ptofunzime la nivel de întreprindere, informațiile din magazinele de date aparțin unui singur departament. În unele implementări, fiecare departament sau unitate comercială este considerată proprietarul magazinului său de date, inclusiv tot hardware-ul, software-ul și datele. Acest lucru permite fiecărui departament să izoleze utilizarea, manipularea și dezvoltarea datelor sale. În alte implementări în care sunt utilizați parametri conformați, proprietatea acestei unități de afaceri nu va fi valabilă pentru parametrii partajați, cum ar fi client, produs etc.

Organizațiile construiesc depozite de date și magazine de date deoarece informațiile din baza de date nu sunt organizate într-un mod care să le facă ușor accesibile, necesitând interogări prea complicate sau consumatoare de resurse.

În timp ce bazele de date tranzacționale sunt concepute pentru a fi actualizate, depozitele de date sau magazinele sunt numai pentru citire. Depozitele de date sunt concepute pentru a accesa grupuri mari de înregistrări aferente. Magazinele de date îmbunătățesc timpul de răspuns al utilizatorilor finali, permițând utilizatorilor să aibă acces la tipul specific de date pe care trebuie să le vizeze cel mai des, furnizând datele într-un mod care să accepte vizualizarea colectivă a unui grup de utilizatori.

Un magazin de date este practic o versiune condensată și mai concentrată a unui depozit de date care reflectă reglementările și specificațiile de proces ale fiecărei unități de afaceri din cadrul unei organizații. Fiecare magazin de date este dedicat unei anumite funcții comerciale sau regiuni. Acest subset de date se poate întinde pe multe sau pe toate domeniile funcționale ale unei întreprinderi. Este obișnuit ca mai multe magazine de date să fie folosite pentru a deservi nevoile fiecărei unități de afaceri individuale (pot fi utilizate diferite magazine de date pentru a obține informații specifice pentru diverse departamente ale întreprinderii, cum ar fi contabilitate, marketing, vânzări etc.).

Termenul înrudit magazin extins (spreadmart) este o etichetă derogatorie care descrie situația care apare atunci când unul sau mai mulți analiști de afaceri dezvoltă un sistem de foi de calcul conectate pentru a efectua o analiză de afaceri, apoi îl cresc la o dimensiune și un grad de complexitate care îl fac aproape imposibil de întreținut.

Magazin de date vs depozit de date

Depozitul de date:

  • Conține mai multe domenii
  • Conține informații foarte detaliate
  • Funcționează pentru a integra toate sursele de date
  • Nu utilizează neapărat un model dimensional, ci furnizează modele dimensionale.

Magazinul de date:

  • Adesea este deținut de un singur compartiment – de exemplu, Finanțe sau Vânzări
  • Poate conține mai multe date rezumate (deși multe conțin detalii complete)
  • Se concentrează pe integrarea informațiilor dintr-un anumit domeniu sau dintr-un set de sisteme sursă
  • Este construit axat pe un model dimensional folosind o schemă în stea.

Scheme de proiectare

  • Schema cu stea – alegere de design destul de populară; permite unei baze de date relaționale să emuleze funcționalitatea analitică a unei baze de date multidimensionale
  • Schema fulg de zăpadă

Motive pentru crearea unui magazin de date

  • Acces facil la datele de care aveți nevoie frecvent
  • Creează o vizualizare colectivă pentru un grup de utilizatori
  • Îmbunătățește timpul de răspuns al utilizatorului final
  • Ușurință de creare
  • Costuri mai mici decât implementarea unui depozit de date complet
  • Utilizatorii potențiali sunt definiți mai clar decât într-un depozit de date complet
  • Conține numai date esențiale pentru afaceri și este mai puțin aglomerat.

Magazin de date dependent

Conform școlii Inmon de depozitare de date, un magazin de date dependent este un subset logic (vizualizare) sau un subset fizic (extras) al unui depozit de date mai mare, izolat din unul dintre următoarele motive:

  • Necesită actualizare pentru un model sau o schemă de date specială: de exemplu, pentru restructurare pentru OLAP
  • Performanță: pentru a descărca magazinul de date pe un computer separat pentru o mai mare eficiență sau pentru a elimina necesitatea de a gestiona volumul de lucru din depozitul de date centralizat.
  • Securitate: pentru a separa selectiv un subset de date autorizat
  • Utilitate: pentru a ocoli guvernanța datelor și autorizațiile necesare pentru a încorpora o nouă aplicație în Enterprise Data Warehouse
  • Teren de încercare: pentru a demonstra viabilitatea și potențialul de rentabilitate a investiției (rentabilitatea investiției) a unei aplicații înainte de a o migra la Enterprise Data Warehouse
  • Politică: o strategie de adaptare pentru IT (tehnologia informației) în situațiile în care un grup de utilizatori are mai multă influență decât finanțarea sau nu este un utilizator bun pentru depozitul de date centralizat.
  • Politică: o strategie de adaptare pentru consumatorii de date în situațiile în care o echipă de depozit de date nu poate crea un depozit de date utilizabil.

Potrivit școlii Inmon de depozitare de date, compromisurile inerente cu magazinele de date includ scalabilitate limitată, duplicarea datelor, inconsecvența datelor cu alte silozuri de informații și incapacitatea de a utiliza sursele de date ale întreprinderii.

Școala alternativă de depozitare a datelor este cea a lui Ralph Kimball. În opinia sa, un depozit de date nu este altceva decât uniunea tuturor magazinelor de date. Această vizualizare ajută la reducerea costurilor și oferă o dezvoltare rapidă, dar poate crea un depozit de date inconsecvent, în special în organizațiile mari. Prin urmare, abordarea lui Kimball este mai potrivită pentru corporațiile mici și mijlocii.

Sursa: Drew Bentley, Business Intelligence and Analytics. © 2017 Library Press, Licență CC BY-SA 4.0. Traducere și adaptare: Nicolae Sfetcu

Big Data: Modele de afaceri - Securitatea megadatelor
Big Data: Modele de afaceri – Securitatea megadatelor

Termenul megadate (Big Data, date masive) este adesea folosit în mod vag pentru a desemna paleta de algoritmi, tehnologii și sisteme utilizate pentru colectarea datelor de volum și varietate fără precedent și extragerea de valoare din acestea prin calculul masiv … Citeşte mai mult

Nu a fost votat $3,99$5,99 Selectează opțiunile
Analitica rețelelor sociale
Analitica rețelelor sociale

Analitica rețelelor sociale este un domeniu nou și emergent, pregătit pentru a permite companiilor să își îmbunătățească inițiativele de gestionare a performanței în diferite funcții de afaceri. Indiferent dacă este vorba de măsurarea eficienței campaniilor promoționale, colectarea de informații despre … Citeşte mai mult

Nu a fost votat $3,99$9,61 Selectează opțiunile
Etica Big Data în cercetare
Etica Big Data în cercetare

Principalele probleme cu care se confruntă oamenii de știință în lucrul cu seturile mari de date (Big Data), evidențiind principale aspecte etice, luând în considerare inclusiv legislația din Uniunea Europeană. După o scurtă Introducere despre Big Data, secțiunea Tehnologia prezintă … Citeşte mai mult

Nu a fost votat $0,00$2,35 Selectează opțiunile

Lasă un răspuns

Adresa ta de email nu va fi publicată.