Verfügt Ihr Unternehmen über vorhandene Datenstrukturen? - Dummies

Ihre Organisation hat überwiegend günstige Chancen, mindestens eine Art von Data Warehouse zu haben. ein Berichtssystem, das einer oder mehreren Benutzergruppen Informationsmöglichkeiten und manchmal analytische Fähigkeiten bietet.

Was ist eine Extraktdatei?

Ihre Benutzer verwenden wahrscheinlich den Begriff Extraktdatei , um diese Art von Umgebung zu beschreiben, da sie mit Datenauszügen aus Produktionssystemen gefüllt ist und nicht von Benutzern, die ihre Abfragen ausführen müssen betriebliche Produktionsdatenbanken oder Dateien. Sie interessieren sich noch für die Quoten? Hier sind ein paar weitere Beispiele für Datentypumgebungen, die als Data-Warehouses bezeichnet werden können:

• Obwohl die extrahierten Daten fast immer in einer einzelnen Datei oder Datenbank enthalten sind, kombiniert ein Merge-Prozess wahrscheinlich extrahierte Daten aus mehr als einer Anwendungsquelle.

• Nur ausgewählte Elemente, nicht alle Elemente aus allen Tabellen oder Dateien, aus jeder Datenquelle werden normalerweise extrahiert und in die Extraktdatei kopiert.

• Eine Art Datenqualitätssicherungsprozess wird normalerweise auf jedem Schritt ausgeführt, vom ersten Extrakt bis zum Laden der Daten in die Extraktdatei.

• Einige Poweruser können wahrscheinlich Queries ausführen oder statistische Programme (z. B. in SAS oder SPSS) mit den Daten erstellen, aber viele Benutzer werden die Daten wahrscheinlich nicht direkt berühren. Stattdessen erhalten sie wahrscheinlich regelmäßig Berichte, die entweder automatisch oder als Antwort auf ihre Anforderungen generiert werden.

Klingt sicher wie ein Data Warehouse, nicht wahr? Die Realität ist, dass diese Art von Data Warehouses in der Regel eine sehr kleine Population bedienen und nicht in einer standardisierten Weise ausgeführt werden, um die breiteren Bedürfnisse des Unternehmens zu unterstützen. Sie könnten sie auch als Data Warehouses bezeichnen.

Hier ist die Dichotomie der meisten Organisationen, die Zugriff auf Daten haben:

Datenanalyse "Haben-nicht":

• Organisationen und Personen, die nur wenige (und wahrscheinlich keine) Fähigkeiten haben, den Typ auszuführen der Analyse, die informationsgesteuerte Entscheidungen herbeiführen kann Datenanalyse "haves":

• Organisationen und Einzelpersonen, die vielleicht kein Data Warehouse haben, aber etwas mit Daten tun, die sie bekommen irgendwo. In vielen Fällen passt es ihren Geschäftsbedürfnissen gut. Warum werden Extraktdateien nicht als Data Warehouses betrachtet?

Sie sind sozusagen. Entpackungsdateien, ob in den 1970er, 1980er, 1990er Jahren oder heute noch verwendet, bestehen aus den gleichen grundlegenden Gründen wie ein vollwertiges Data Warehouse oder ein Data Mart: Informationsbereitstellung trotz einer Vielzahl von Barrieren, wie z. -das Verstehen von Datenstrukturen, die Regeln des "Produktionssystems nicht berühren" und das Fehlen eines Querverweises auf mehrere Dateien oder mehrere Datenbanken.

Einige Data-Warehousing-Befürworter argumentieren, dass das Kombinieren und Rekonfigurieren von Daten einfach zum Zweck der Erstellung von Berichten oder zur Durchführung statistischer Analysen kaum ein Data-Warehouse im modernen Sinne des Wortes ist. Extrahierungsdateien sind nicht mit Funktionen für mehrdimensionale oder betriebswirtschaftliche Analysen ausgestattet, z. B. Drilldown und Datenverschwenkung.

Wenn Sie die Data-Warehouse-Seite (was zum Sammeln, Verschieben und Neukonfigurieren von Daten aus einer oder mehreren Quellen erforderlich ist) von der Business-Intelligence-Seite trennen (was Sie mit den Daten tun, nachdem Sie sie verfügbar haben), Bild wird viel klarer.

Extract-Dateien oder wie Sie sie auch nennen wollen, sind ein wichtiger Bestandteil der Barrier-Breaking-Philosophie eines Data-Warehouse. Viele der von Benutzern als "Extraktdateien" bezeichneten Dateien sind dateibasierte Systeme (und nicht auf Datenbanken aufgesetzt), und sie sind wahrscheinlich nicht flexibel genug, um Ad-hoc-Abfragen und Dimensionsanalysen zu unterstützen. Im wirklichen Sinn dienen diese Umgebungen jedoch dem Zweck, Daten zur späteren Verwendung zu speichern.

Für viele Benutzer haben Geschäftsanalysemöglichkeiten wie Drilldown und Datenschwankungen wenig oder keinen Nutzen - zumindest nicht im Kontext ihrer aktuellen Jobdefinitionen. Die Jobs der Benutzer erfordern Funktionen, die diese Extraktdateien liefern können, sowie statische Berichte und statistische Analysen, die mit diesen Daten durchgeführt werden.

Die Moral der Geschichte: Gehen Sie nicht in eine Organisation, die effektiv Daten durch Extraktdateien verwendet und erklären Sie die Wunder des Data Warehousing. Seien Sie stattdessen vorsichtig, wenn Sie eine Data Warehousing-Lösung vorschlagen, die als ein Schritt zurück angesehen werden kann. Wenn Sie diese Art von Vorschlag machen, haben Sie eine lange, holprige Fahrt.