Innehåll
- Vad är datalagring?
- Typer av data
- Tidsvariantdata
- Ämnesorienterad data
- Integrerad data
- Affärsanalys och rapportgenerering
- Statistisk programvara och affärsintelligens
- Data Mining
- Datavarehousing i ett nötskal
Hämtmat:
Datalagring ger en solid grund för att konsolidera historiska, aktuella och framtida data, vilket gör det möjligt för en organisation att generera rapporter, genomföra avancerad analys och göra en del data mining.
Många företag samlar kontinuerligt stora mängder data. Men för att använda den informationen måste en funktionell uppsättning processer och förfaranden införas för att förstå det.
Oavsett om du är en datalagerutvecklare eller om du hör ordet datalagring för första gången, är det viktigt att förstå grunderna för datalagring - inklusive vad det betyder, hur det används och fördelarna det kan ge.
När data har analyserats korrekt kan de användas för att skapa en tydligare bild av de positiva och negativa effekterna som vanliga trender och mönster har för ett företag. Det låter tillräckligt enkelt, men att se till att data är användbara är en av de största utmaningarna i datalagring.
Vad är datalagring?
Ett datalager är en centraliserad lagringsenhet (databas) som definierar och samlar data och alla dess djupgående detaljer. Dessa detaljer kan inkludera information som hänför sig till en organisations kundbas, tjänsteleverantörer, leverantörer, transaktioner eller affärsprocesser genom användning av en integrerad datamodell. (För information om hantering av affärsprocesser, se BPM och SOA: How They Drive Business.)
Datalagring hämtar data från olika källor som görs tillgängliga över ett företag; dessa data kan sedan analyseras på många olika sätt. Ett datalager är en integrerad, icke-flyktig, tidsvariant och ämnesorienterad insamling av information. Vad detta betyder är att ett datalager ska uppnå följande mål:
- Fånga och leverera åtkomst till affärsmetadata
- Förbättra datakvaliteten och minimera genererade rapporter om inkonsekvenser
- Integrera data från många olika källor och ge datadelning
- Öka hastigheten och prestanda för alla rapporteringsbehov genom att slå samman historiska och aktuella data effektivt och effektivt
Typer av data
Ett datalager erbjuder förbättrade tekniker för affärsintelligens genom att ta data från olika källor och låta företagets användare snabbt få åtkomst till kritisk data från en delad plats. Typen av data som samlas in i ett datalager är ämnesorienterad, integrerad och identifierad eller synkroniserad inom en viss tidsperiod.
När det gäller datalagring finns det fyra viktiga datatyper:
Du kan inte förbättra dina programmeringsfärdigheter när ingen bryr sig om mjukvarukvalitet.
Tidsvariantdata
Tidsvariantdata säkerställer att all information som lagras i datalageret är aktuell och genereras i realtid. Alla nyckelstrukturer i datalageret innehåller ett element av tid genom att tillhandahålla information ur ett horisontperspektiv, till exempel de senaste fem till tio åren.
Ämnesorienterad data
Ämnesorienterad data organiseras baserat på ett företags huvudsakliga ämneskategorier, som kunder, försäljning, produkter och tjänster. Ämnesorientering ger en enkel och kortfattad utvärdering av specificerade ämnesfrågor genom att fokusera på modellen och analyser av data som kommer att användas av organisationens viktigaste beslutsfattare.
Integrerad data
Integrerad data består av flera, blandade källor, såsom relationsdatabaser, transaktionsposter online och platta filer. När de angivna källorna har integrerats framgångsrikt tillämpas datarengöring. Detta säkerställer konsistens i attributmått, namnge konventioner, kodningsstrukturer och nyckeltermer genom datakonvertering.
Affärsanalys och rapportgenerering
Ett datalager baseras på flerdimensionell datamodellering. En flerdimensionell datamodell skapar en mängd olika vyer i form av en datakub, vilket gör att data kan modereras och visas genom flera dimensioner. Ett datalager är ett av de första stegen som används när en organisation expanderar och utvecklas. Det används främst när ett företag beslutar att börja investera i affärsanalys. Affärsanalys tar olika tekniska tillämpningar och förfaranden som används av företaget för att hitta och identifiera affärsbehov och förbättringar baserat på statistiska uppgifter.
Affärsanalys hjälper organisationer att upptäcka och känna igen mönster som kan användas för att förutsäga, forma och förbättra affärsresultat. Men det är resultaten som samlats in genom denna process som verkligen räknas, eftersom dessa används för att föreslå skapande, implementering och hantering av nya strategier. (För bakgrundsläsning, kolla in en introduktion till affärsintelligens.)
Affärsanalyslösningar tar kvantitativa och statistiska faktabaserade data för att utvärdera tidigare resultat och förbereda sig för framtida affärsplanering och alternativ. Företagsdata insamling genereras vanligtvis av maskiner eller applikationer genom användning av statistisk programvara. Det är därför många företag använder statistisk mjukvara för att göra förbättringar baserade på analys.
Statistisk programvara och affärsintelligens
Statistisk mjukvara benämns också BI-mjukvara. För många företag finns det ingen specifik mjukvaruvalsprocess, medan andra följer en företagsstandard eller har en databas eller rapporteringsverktyg som redan behöver aktiveras. Processen som används vid val av lämplig analysprogramvara börjar med att skapa en BI-strategi och uppfylla de övergripande affärskraven som redan ställts in.
Företagsledare och analytiker spelar en stor roll när det gäller att välja rätt programvara och se till att deras tekniker för affärsanalys startar dem i rätt riktning. Företag som Amazon är kända för att spåra trender i köpbeteende hos kunder för att räkna ut prisklasser som målmarknaden är mest bekväm med. Företag kan då effektivt bestämma konkurrenskraftiga priser utan att påverka deras totala vinstmarginal för mycket. Utan en fördefinierad BI-strategi är det vanligt att typen av köp av programvara inte ger en organisation de lämpliga anpassningsförmågorna den behöver.
Data Mining
Data mining innebär att gräva djupt i data för att producera användbar insikt för att fatta bevis och faktabaserade beslut. I tekniska termer kan data mining användas för att hitta korrelationer eller mönster mellan olika fält inom stora relationella databaser. Mer specifikt är det processen att analysera information från flera perspektiv och sammanfatta den till användbar data. I bästa fall kan dessa insikter hjälpa ett företag att sänka kostnaderna, öka försäljningen och påverka andra viktiga resultatindikatorer.
Data mining är en kraftfull teknologi som kan användas för att upptäcka flera olika dimensioner, kategorier och relationer som finns mellan olika datakällor och poster. I detaljhandelssektorn kan exempelvis gruvdrift hjälpa ett företag att känna igen försäljningsmönster och kundbeteende och därmed låta dem utnyttja informationen till sin fördel. Ett ökänt exempel är återförsäljarens målförmåga att bestämma vilken av dess shoppare som kan förvänta sig, vilket gör det möjligt för butiken att kuponger för babyartiklar i en tidpunkt då föräldrar tenderar att börja handla efter dem.
Datavarehousing i ett nötskal
När man integrerar och tillämpar datalagringstekniker tillåter affärsanalysmetoder organisationer att förbättra sina övergripande affärsstrategier och möjliggöra optimerade beslutsfattande genom användning av BI-programvara. Analytics spelar en viktig roll i alla organisationer, och många olika procedurer, inklusive data mining och andra olika analysmetoder, kan användas för att stödja och generera lämpliga datainsamlingstjänster och marknadsföring. Nya möjligheter och möjligheter utforskas genom datalagringstekniker genom att förbättra kundservice, förenkla lagerstyrning, korsfrämja produkter som tillgodoser individuella kundbehov och tillhandahålla kritisk produkt- och tjänsteanalys.
Datalagring är det som gör det möjligt för organisationer att hitta svar på komplexa frågor i stora uppsättningar av data. Det är kraften i digital datainsamling och lagring.