Einführung in Data Warehouse-Typen
Ein Data Warehouse ist eine Möglichkeit, Daten aus verschiedenen Quellen zu sammeln und zu verwalten, um aussagekräftige Geschäftsinformationen zu erhalten. Mit diesen Daten wird entschieden, wie das Geschäft strategisch wachsen wird. Es speichert riesige Datenmengen des Unternehmens. Ein Data Warehouse ist so konzipiert, dass anstelle der Transaktionsverarbeitung die Daten abgefragt und analysiert werden. Der gesamte Prozess umfasst das Transformieren und Bereitstellen von Dateninformationen für Benutzer, damit diese diese rechtzeitig nutzen und für das Unternehmen von Bedeutung sein und wachsen können. Im Folgenden sind die verschiedenen Arten von Data Warehouse aufgeführt.
Data Warehouse-Typen
Es gibt drei Arten von Data Warehouse:
- Enterprise Data Warehouse.
- Betriebsdatenspeicher.
- Datenmarkt.
1. Enterprise Data Warehouse
Eine Unternehmensdatenbank ist eine Datenbank, die verschiedene Funktionsbereiche eines Unternehmens zusammenführt und auf einheitliche Weise zusammenführt. Es ist ein zentraler Ort, an dem alle Geschäftsinformationen aus verschiedenen Quellen und Anwendungen zur Verfügung gestellt werden. Sobald sie gespeichert sind, können sie für Analysen verwendet und von allen Mitarbeitern im gesamten Unternehmen verwendet werden. Die Daten können nach Themenbereichen klassifiziert werden und ermöglichen den Zugriff gemäß der erforderlichen Unterteilung. In einem Enterprise Data Warehouse werden bereits die Schritte zum Extrahieren, Transformieren und Anpassen ausgeführt.
Das Ziel von EDW ist es, einen vollständigen Überblick über ein bestimmtes Objekt im Datenmodell zu erhalten. Dies wird durch Identifizieren und Verwirren der Daten aus verschiedenen Systemen erreicht. Dies wird dann in ein konsistentes und konformes Modell geladen. Schließlich werden die Informationen von EDW gesammelt, das Zugriff auf einen einzigen Ort bietet, an dem verschiedene Tools zum Ausführen von Analysefunktionen und zum Erstellen verschiedener Vorhersagen verwendet werden können. Die Forschungsteams können neue Trends oder Muster identifizieren und sich auf diese konzentrieren, um das Unternehmenswachstum zu fördern.
Es können Data Marts erstellt werden, die die Trennung der Daten erleichtern. Beim Laden von Daten in EDW können Beziehungen zwischen Entitäten hergestellt und erzwungen werden. Zusätzlich dazu kann das Schneiden und Zerteilen von Codes nach verschiedenen Kategorien durchgeführt werden. Außerdem werden kostspielige Ausfallzeiten reduziert, die aufgrund fehleranfälliger Konfigurationen mit adaptiven und maschinellen Lernmethoden auftreten können. Es strukturiert Daten, die beim Betrieb in relativ kleinem Maßstab helfen, organisiert und strukturiert sie. Die Daten werden logisch und konsistent gespeichert.
2. Betriebsdatenspeicher
Alternativ zu einer Anwendung für ein betriebliches Entscheidungsunterstützungssystem wird ein betrieblicher Datenspeicher verwendet. Es hilft beim direkten Zugriff auf Daten aus der Datenbank, was auch die Transaktionsverarbeitung unterstützt. Die im Betriebsdatenspeicher vorhandenen Daten können gesäubert und die vorhandene Redundanz durch Überprüfen der entsprechenden Geschäftsregeln überprüft und behoben werden. Es hilft auch bei der Integration kontrastierender Daten aus mehreren Quellen, sodass Geschäftsvorgänge, Analysen und Berichte einfach ausgeführt werden können, und hilft dem Unternehmen, während der Prozess noch fortgesetzt wird.
Hier werden die meisten Vorgänge, die gerade ausgeführt werden, gespeichert, bevor sie für längere Zeit in das Data Warehouse verschoben werden. Es hilft effektiv bei einfachen Abfragen und kleinen Datenmengen. Es fungiert als Kurzzeit- oder temporärer Speicher, in dem die aktuellen Informationen gespeichert werden. Das Data Warehouse speichert die Daten für eine vergleichsweise lange Zeit und speichert auch relativ permanente Informationen.
Es hilft beim Speichern von Transaktionsdaten aus einem oder mehreren Produktionssystemen und integriert sie lose. Es ist manchmal fachlich und zeitlich variabel. Die Integration erfolgt unter Nutzung von EDW-Strukturen und -Inhalten. Die Integration von Daten kann Bereinigung, Auflösen von Redundanz und Überprüfung der Integrität von Geschäftsregeln umfassen. Es ist normalerweise so konzipiert, dass es atomare Daten auf niedriger Ebene enthält, die begrenzte Daten speichern.
3. Data Mart
Data Mart konzentriert sich auf das Speichern von Daten für einen bestimmten Funktionsbereich und enthält eine Teilmenge von Daten, die in einem Data Warehouse gespeichert sind. Data Marts helfen bei der Verbesserung der Benutzerreaktionen und reduzieren auch das Datenvolumen für die Datenanalyse. Dies erleichtert die Recherche. Data Mart ist eine Teilmenge von Datawarehouse und einfach zu implementieren. Es ist kostengünstig im Vergleich zu einem kompletten Data Warehouse. Es ist offener für Änderungen, und ein einzelner Fachexperte kann seine Struktur und Konfiguration definieren. Die Daten werden partitioniert und die Granularität kann leicht gesteuert werden. Data Mart hat drei Arten. Diese Typen sind:
- Abhängig
- Unabhängig
- Hybrid
Dependent Data Mart
Durch Abrufen von Daten aus betrieblichen, externen oder beiden Quellen kann ein abhängiger Datamart erstellt werden. Damit können die Daten der Beschaffungsorganisation aus einem einzigen Data Warehouse stammen. Alle Daten sind zentralisiert und können zur Entwicklung weiterer Data Marts beitragen.
Independent Data Mart
Dieser Data Mart benötigt kein zentrales Data Warehouse. Dies wird normalerweise für kleinere Gruppen erstellt, die in einer Organisation vorhanden sind. Es besteht keine Beziehung zu Enterprise Data Warehouse oder einem anderen Datamart. Alle Daten sind unabhängig und können separat verwendet werden. Die Analyse kann auch autonom durchgeführt werden. Ein konsistenter und zentraler Datenspeicher ist sehr wichtig, damit mehrere Benutzer darauf zugreifen können.
Hybrid Data Mart
Wie der Name schon sagt, wird ein hybrider Data Mart verwendet, wenn Eingaben aus verschiedenen Quellen Teil eines Data Warehouse sind. Dies ist nützlich, wenn ein Benutzer eine Ad-hoc-Integration wünscht. Wann immer eine Organisation mehrere Datenbankumgebungen und eine schnelle Implementierung benötigt, kann dieses Setup verwendet werden. Es erfordert den geringsten Datenbereinigungsaufwand und der Datamart unterstützt große Speicherstrukturen. Die beste Verwendung eines Data Mart ist die Verwendung kleinerer datenzentrierter Anwendungen.
Fazit
Ein Data Warehouse ist daher eine sehr wichtige Komponente in der Datenindustrie. Da die Datenbank beim Speichern und Verarbeiten von Daten hilft, hilft ein Data Warehouse beim Analysieren. Auf diese Weise hilft Data Warehouse dabei, Geschäftstrends und -muster zu ermitteln, die später in Form von Berichten dargestellt werden können, die Aufschluss darüber geben, wie der Prozess des Geschäftswachstums fortgesetzt werden kann. Data Warehouse spielt daher eine wichtige Rolle bei der Schaffung einer Touch-Basis in der Datenbranche.
Empfohlene Artikel
Dies war ein Leitfaden für Data Warehouse-Typen. Hier haben wir die Konzepte mit verschiedenen Arten von DataWarehouse besprochen. Sie können auch unsere anderen Artikelvorschläge durchgehen, um mehr zu erfahren -
- Was ist Data Analyst?
- Einführung in Was ist SQL Server?
- Was ist MapReduce? | Wie es funktioniert
- Tutorials zu Was ist Cognos?