Inleiding tot soorten datawarehouse
Een datawarehouse is een manier om gegevens uit verschillende bronnen te verzamelen en te beheren om zinvolle zakelijke inzichten te bieden. Met deze gegevens wordt besloten hoe het bedrijf strategisch zal groeien. Het slaat enorme hoeveelheden gegevens op door het bedrijf. Een datawarehouse is zo ontworpen om de gegevens op te vragen en te analyseren in plaats van transactieverwerking. Het hele proces omvat het transformeren van gegevensinformatie en deze beschikbaar stellen aan gebruikers zodat ze er tijdig gebruik van kunnen maken en het belang voor het bedrijfsleven kunnen vergroten en laten groeien. De volgende zijn de verschillende soorten datawarehouse.
Typen datawarehouse
Er zijn drie soorten datawarehouse:
- Enterprise Data Warehouse.
- Operationele gegevensopslag.
- Data Mart.
1. Enterprise Data Warehouse
Een Enterprise-database is een database die verschillende functionele gebieden van een organisatie samenbrengt en op een uniforme manier samenbrengt. Het is een gecentraliseerde plek waar alle bedrijfsinformatie uit verschillende bronnen en applicaties beschikbaar wordt gesteld. Zodra het is opgeslagen, kunnen ze worden gebruikt voor analyse en kunnen ze worden gebruikt door alle mensen in de organisatie. De gegevens kunnen worden geclassificeerd op basis van het onderwerp en geven toegang volgens de benodigde indeling. Een Enterprise Datawarehouse zal al de stappen van uitpakken, transformeren en conformeren al hebben afgehandeld.
Het doel van EDW is om een volledig overzicht te geven van een bepaald object in het gegevensmodel. Dit wordt bereikt door de gegevens van verschillende systemen te identificeren en te rangschikken. Dit wordt vervolgens geladen in een consistent en conform model. Nadat alle informatie door EDW is verzameld, heeft deze de mogelijkheid toegang te bieden tot een enkele locatie waar verschillende tools kunnen worden gebruikt om analytische functies uit te voeren en verschillende voorspellingen te maken. De onderzoeksteams kunnen nieuwe trends of patronen identificeren en daarop focussen om het bedrijf te laten groeien.
Data Marts kunnen worden gebouwd die het eenvoudiger maken om de gegevens te scheiden. Relaties tussen entiteiten kunnen worden vastgesteld en afgedwongen als onderdeel van het laden van gegevens in EDW. In aanvulling op dit segmenteren en in blokjes snijden van codes volgens verschillende categorieën kan ook worden gedaan. Het helpt ook bij het verminderen van kostbare downtime die kan optreden als gevolg van foutgevoelige configuraties met adaptieve en machine learning-benaderingen. Het structureert gegevens die helpen bij het relatief kleinschalig werken, organiseren en structureren. De gegevens worden op een logische en consistente manier opgeslagen.
2. Operationele gegevensopslag
Als alternatief voor het hebben van een applicatie voor operationele beslissingsondersteuning wordt een operationele gegevensopslag gebruikt. Het helpt bij toegang tot gegevens rechtstreeks vanuit de database die ook transactieverwerking ondersteunt. De gegevens die aanwezig zijn in de Operational Data Store kunnen worden geschrobd en de aanwezige redundantie kan worden gecontroleerd en opgelost door de overeenkomstige bedrijfsregels te controleren. Het helpt ook bij het integreren van contrasterende gegevens uit meerdere bronnen, zodat bedrijfsactiviteiten, analyse en rapportage eenvoudig kunnen worden uitgevoerd en het bedrijf kan helpen terwijl het proces nog steeds wordt voortgezet.
Hier worden de meeste bewerkingen die momenteel worden uitgevoerd, opgeslagen voordat ze voor een langere duur naar het datawarehouse worden verplaatst. Het helpt effectief bij eenvoudige vragen en kleine hoeveelheden gegevens. Het fungeert als een tijdelijk geheugen of tijdelijk geheugen waarin de recente informatie wordt opgeslagen. Het datawarehouse slaat de gegevens relatief lang op en slaat ook relatief permanente informatie op.
Het helpt bij het opslaan van transactionele gegevens van een of meer productiesystemen en integreert deze losjes. Het is soms onderwerpsgericht en tijdvariant. De integratie wordt bereikt door gebruik te maken van EDW-structuren en inhoud. De integratie van gegevens kan opschonen, redundantie oplossen, zakelijke regels controleren op integriteit. Het is meestal ontworpen om atoomgegevens op laag niveau te bevatten waarin beperkte gegevens worden opgeslagen.
3. Data Mart
Data Mart richt zich op het opslaan van gegevens voor een bepaald functioneel gebied en het bevat een subset van gegevens die worden opgeslagen in een datawarehouse. Data Marts helpen bij het verbeteren van gebruikersreacties en verminderen ook het volume van gegevens voor data-analyse. Het maakt het gemakkelijker om verder te gaan met het onderzoek. Data Mart is een subset van Datawarehouse en is eenvoudig te implementeren. Het is kosteneffectief in vergelijking met een compleet datawarehouse. Het staat meer open voor verandering en een enkele materiedeskundige kan zijn structuur en configuratie bepalen. De gegevens zijn gepartitioneerd en de granulariteit kan eenvoudig worden geregeld. Data Mart heeft drie soorten. Deze types zijn:
- Afhankelijk
- Onafhankelijk
- Hybride
Afhankelijke gegevens Mart
Door gegevens uit operationele, externe of beide bronnen te halen, kan een afhankelijke datamart worden gecreëerd. Het laat de gegevens van de sourcingorganisatie toe vanuit één datawarehouse. Alle gegevens zijn gecentraliseerd en kunnen helpen bij het ontwikkelen van meer datamarts.
Onafhankelijke gegevens Mart
Voor deze datamart is geen centraal datawarehouse vereist. Dit wordt meestal gemaakt voor kleinere groepen die aanwezig zijn binnen een organisatie. Het heeft geen relatie met Enterprise Data Warehouse of enige andere datamart. Alle gegevens zijn onafhankelijk en kunnen afzonderlijk worden gebruikt. Ook kan de analyse autonoom worden uitgevoerd. Een consistente en gecentraliseerde opslag van gegevens is erg belangrijk, zodat meerdere gebruikers er gebruik van kunnen maken.
Hybride Data Mart
Zoals de naam suggereert, wordt een hybride datamart gebruikt wanneer invoer uit verschillende bronnen deel uitmaakt van een datawarehouse. Dit is handig wanneer een gebruiker een ad hoc-integratie wil. Wanneer een organisatie meerdere databaseomgevingen en een snelle implementatie nodig heeft, kan deze setup worden gebruikt. Het vereist de minste inspanning voor het opschonen van gegevens en de datamart ondersteunt grote opslagstructuren. Het beste gebruik van een datamart is wanneer kleinere data-centrische applicaties worden gebruikt.
Conclusie
Een datawarehouse is dus een zeer belangrijke component in de data-industrie. Omdat een database helpt bij het opslaan en verwerken van gegevens, helpt een datawarehouse bij het analyseren ervan. Gegevensmagazijn helpt dus bij het verkrijgen van zakelijke trends en patronen die later kunnen worden gepresenteerd in de vorm van rapporten die inzicht bieden in hoe verder te gaan in het proces van bedrijfsgroei. Datawarehouse speelt dus een cruciale rol bij het creëren van een touch base in de data-industrie.
Aanbevolen artikelen
Dit is een leidraad geweest voor Typen Data Warehouse. Hier hebben we de concepten besproken, met verschillende soorten DataWarehouse. U kunt ook onze andere voorgestelde artikelen doornemen voor meer informatie -
- Wat is data-analist?
- Inleiding tot wat is SQL Server?
- Wat is MapReduce? | Hoe het werkt
- Tutorials over Wat is Cognos?