Hver kvinne har et problem med å administrere eiendelene sine. Fra klær til tilbehør trenger hun den ene tingen som vil hjelpe henne å lagre alle tingene hennes på ett sted. Jeg kan ikke forestille meg å være uorganisert, og jeg er sikker på at de fleste av dere som leser dette, er enige med meg. Hvorfor er det så vanskelig å være organisert? Det meste av tiden var jeg fillete av den grunn til å være en tvangsmessig person.
Nå var grunnen til at jeg tok opp dette fordi jeg tilfeldigvis leste flere artikler om datalagring, og jeg ble minnet på meg selv. Akkurat som min grunnleggende besettelse av å ha alle eiendelene mine på ett sted i riktig rekkefølge, forventer selskaper i dag det samme. Det er sjanser for at ideene dine om datalagring blir tåke. Det er mange mennesker som fremdeles er uklare om det samme.
Datalager brukes mye i organisasjoner i dag. Det antas at bruken av den i løpet av de neste årene gradvis vil øke. I utfordrende tider blir det veldig viktig å ta smarte beslutninger og effektivt administrere data, det er da datalageret passer perfekt inn. Konseptet med datalager er ikke vanskelig å forstå. Forestillingen er å lage en permanent lagringsplass for dataene som trengs for å støtte rapportering, analyse og andre BI-funksjoner.
Konseptet med datalager er enkelt. Data hentes med jevne mellomrom fra applikasjonene som støtter forretningsprosesser og kopieres til spesielle datamaskiner. Der kan den valideres, omformateres, reorganiseres, oppsummeres, omstruktureres og suppleres med data fra andre kilder (Datalageret er tilbehørsboksen min. Akkurat som å administrere utvalget mitt av spredt tilbehør i miniboks, som igjen er lagret i en stor boks) . Datalageret blir den viktigste informasjonskilden for generering, analyse og presentasjon av rapporter gjennom ad hoc-rapporter, portaler og dashbord. (Det blir lettere for meg å finne hvilket tilbehør som er oppbevart i hvilken boks)
Funksjoner til et datalager
1. Kjører på datamaskiner dedikert til denne funksjonen. (Tankene mine)
2. Kjører på et databasesystem (DBMS) (serie med andre minibokser som lagrer tilbehøret mitt)
3. Oppbevarer data i lang tid. (Lagrer tilbehørene mine i lang tid)
4. Kombinerer data hentet fra mange kilder (Lagrer en rekke tilbehør som var spredt forskjellige steder)
5. Bygget rundt en nøye utformet datamodell som transformerer produksjonsdata fra en høyhastighets datainntaksdesign til en som støtter gjenfinning av høy hastighet. (Mitt valg om å velge den perfekt designet boksen for å imøtekomme alt tilbehør og skille mellom en god boks og en middelmådig boks)
Det vanskeligste med å lage et godt datalager er utformingen av den modellen den ble bygget rundt. Det må tas beslutninger om navnene som skal gis til hvert felt, om hver datamodell må reformateres og hvilke metadatafelt som skal beregnes og legges til. Når et datalager er i drift, er det viktig at datamodellen forblir stabil. Hvis ikke, må rapporter som er opprettet fra dataene endres hver gang datamodellen endres.
Når et datalager er på plass og er godt befolket med data, begynner gode ting å sprekke. Noen av dem er som følger:
1. Generering av planlagte rapporter
2. Pakket analytiske applikasjoner
3. Ad hoc rapportering og analyse
4. Dynamisk presentasjon gjennom dashbord
forskjeller mellom html og xml
5. Drill ned evne
6. Datautvinning
7. Sikkerhet
Disse fordelene er det som gjør BI basert på datalagring til et viktig styringsverktøy for selskaper som har nådd en viss grad av kompleksitet.
Noen av de store merkene med datavarehus
eple
Apple driver et Teradata-system med flere petabyte. Apple bruker datalageret for å få en bedre forståelse av sine kunder på tvers av produktgrupper. Nå genererer hvert stykke identifiserbar informasjon og de i Tunes-interaksjonene mye data som går inn i systemet, slik at selskapet vet hvem som er hvem og hva de holder på med.
Walmart
Butikkgiganten distribuerte Teradatas aller første database i terabyte i 1992, og den har vokst litt siden den gang. Driftssystemet var 2,5 petabyte per 2008, og er absolutt store sprang nå - sannsynligvis langt inn i de to sifrene når du vurderer at det driver separate for Walmart og Sam’s Club, samt et backup-system. Analysesatsingen har i hovedsak hjulpet Walmart til å bli en massiv forsendelsesbutikk.
ebay
eBay har to systemer på plass, og de er begge store. Dens primære datalager er 9,2 petabyes, det er 'singularitetssystemet' som lagrer nettklikk og andre 'store' data er mer enn 40 petabyte. Den har et enkelt bord som er 1 billion rader. Ja, dette er mindre enn 50 petabyte verdt av Hadoop kapasitet eBay lagt til i fjor, men Teradata er rask til å påpeke at alle systemene støtter data inn og ut av Hadoop, så det er ikke som om eBay driver to helt forskjellige data miljøer.
Starbucks
Siden 1971 har Starbucks Coffee Company forpliktet seg til etisk innkjøp og steking av den høyeste kvaliteten i verden. De bruker et datalager med høy ytelse som inneholder salg, markedsføring, butikkadministrasjon, salgssted, kundelojalitet og forsyningskjededata for å drive mer informerte forretningsbeslutninger på bedrifts-, region- og butikknivå.
Her er noen interessante bruksområder:
Continental Airlines bestemte seg for å holde kundenes glade og begynte å vurdere dem etter levetidsverdi og begynte å gjøre alternative ordninger for dem så snart flyselskapet innså at flyene ville bli forsinket.
Et luksusbilselskap brukte Aster Data til å analysere feilmønsteret for ulike komponenter i bilene. Det fant ut at belysning, seter og infotainment ofte sviktet sammen (de er på samme krets) og begynte å inspisere alle tre når en kunde kommer inn for service på noen av dem.
hvordan du kan unngå fastlåst tilstand i java
Hvorfor kan du ikke gå glipp av å ha et datavarehus?
Verdien av datalager øker over tid, og det lønner seg å begynne å legge alt på ett sted. En forsinkelse i å ha det kan koste deg ettersom konkurrentene har grepet muligheten.
1. Harde besparelser kommer fra ting som å oppdage tapte rabatter på gjeld eller at selgere tilbyr rabatter utenfor godkjente grenser.
2. Konsolidering av økonomiske data i sanntid blir praktisk og debatter opphører om hvilken datakilde som er riktig.
3. IT-kostnadene og personalet som er dedikert til rapportering er sterkt redusert.
4. Ved å levere data fra forskjellige kilder, vil ledere og ledere ikke lenger trenge å ta forretningsbeslutninger basert på begrensede data eller deres tarm.
5. Et datavarehus lagrer store mengder historiske data slik at du kan analysere forskjellige tidsperioder og trender for å komme med fremtidige spådommer.
6. Datalager fungerer til fordel for å spare deg for så mye tid. De sparer tid ved å lagre selskapets informasjon på ett sted. I stedet for å ha det på forskjellige steder, gjør en sentralisert det bedre.
Trenger bedriften din et datavarehus?
Dataene bedriften din genererer har stor verdi for virksomheten din. Du vil være sikker på at alle dataene dine er sikre og er tilgjengelige når som helst. Men i dag har data vokst enormt, og selskaper finner en måte å administrere dem på. Datalager ser ut til å være en god innsats i dette tilfellet. Men det virkelige spørsmålet er, trenger bedriften din virkelig en?
1. Avhengighet av regneark
Bruken av regneark har blitt av stor verdi siden det er et av de viktigste forretningsverktøyene i dag. En enorm mengde data kan lagres i disse regnearkene. Problemet oppstår når størrelsen på dataene begynner å øke. Hver avdeling har regneark som du trenger å hente data fra for å generere en rapport. Hvis dette er tilfelle, vil du opprette manuelle rapporter, noe som kan ta mye tid. Når dette skjer, kommer datalageret inn på bildet for å gjøre ting enklere, siden det er vanskelig å finne dataene ettersom de er spredt over forskjellige ark.
2. Lang ventetid
Hvis du utvikler en rapport, bare for å finne ut at du må vente på at kollegaene skal gi informasjonen på regnearket, eller å analysere dataene deres, kan du vente på lenger. Implementering av et datalager kan bidra til å sentralisere data og gjøre det tilgjengelig for alle teammedlemmer mer effektivt. Dette reduserer tiden brukt til å måtte spore den og kommunisere med kolleger.
3. Avvik i data og rapporter
Når teamledere eller medlemmer i forskjellige avdelinger oppretter rapporter, er dataene eller funnene forskjellige fra deg, eller andre rapporter. Ikke bare er dette frustrerende, det er også tidkrevende å ordne opp og kan føre til kostbare feil. Hvis du til enhver tid føler at det er inkonsekvens i dataene dine, kan du kanskje tenke deg å skaffe deg et datalager.
4. Tid brukt på å generere rapporter
Ideelt sett bør vi kunne generere en rapport ved hjelp av eksisterende data nesten umiddelbart. Når du genererer en rapport hvis du oppdager at du må fortsette å gå til forskjellige kilder for å sjekke om dataene er oppdatert, eller fortsette å oppdatere andre kilder manuelt, vil du legge merke til hvor lang tid det tar å utvikle en rapport.
Fordi datalager konsoliderer data, trenger du bare å henvende deg til en kilde for data. Kombiner med det faktum at mange datalager kan settes opp til automatisk oppdatering hvis kildedata oppdateres eller endres, og du kan garantere at dataene du bruker alltid er korrekte.
Har du et spørsmål til oss? Vennligst nevn dem i kommentarfeltet, så kommer vi tilbake til deg.
Relaterte innlegg: