Data Warehouse Deluxe

2024

Du kommer sannolikt att koncentrera de flesta av dina datalagringsrelaterade aktiviteter i datalagerets deluxe-miljö, vilket visas i denna figur. Data från många olika källor sammanfaller i dessa "riktiga" datalager, som ger tillgång till en mängd arkitektoniska alternativ som du kan skräddarsy för att möta dina specifika behov.

Ämnesområden och datainnehåll i ett datalagrings deluxe

Ett datalagrings deluxe innehåller ett brett spektrum av relaterade ämnesområden - allt (eller de flesta saker) som skulle följa ett naturligt sätt att tänka på och analysera information.

Antag att du i ditt jobb vid en trådlös uppdelning av ett telefonselskap analyserar försäljningen av tjänster som i nätverksminuter, nätverksminuter, textmeddelanden, Internet-åtkomst och annan mobilanvändning till konsumenthushåll.

I ett datalagringsdeluxe kommer du sannolikt att hitta inte bara ämnesområdet för trådlösa tjänster för konsumenter (bland annat), men även dessa element:

• Konsumentbaserade telefoninkomster och volymer > Intäkter och volymer för konsumentens fjärrsamtal

• Intäkter och volymer för konsumentens trådlösa telefoner

• Trådlösa tjänster för företag

• Företagets grundläggande ränteintäkter och volymer

• Intäkter och volymer för företags fjärrsamtal

• Trådlös inkomster och volymer för företag

• Internet-tjänster (DSL)

• Internetintäkter och volymer

• Ämnesområdet är bredare än ett datalager lite för ett datalager deluxe eftersom

Användarbasen är bredare (fler organisationer använder sitt folk med datalagret).

• Omfattningen av en viss användares frågor och rapporter är bredare än bara ett eller två ämnesområden. Till exempel kan en användare köra rapporter jämförande trender i tilläggstjänster för företag och konsumenter för att se var de ska koncentrera framtida försäljnings- och marknadsföringsinsatser.

• När du implementerar en datalagringsdeluxe behöver du nästan alltid åtkomstmöjligheter (till skillnad från en datalagringsliten), förutom enkel rapportering av resultat. Därför kan du, trots att du kanske använder standardrapporter som utgångspunkt när du bestämmer vad som ska finnas i ditt lager, det är sällan nog. Följ dessa steg för att förstå dina källsystem noggrant:

Ta en fullständig inventering av tillgänglig information.

1. Denna inventering kallas en

   källsystemanalys . Granska

2. varje kandidatkällaelement och svara på dessa frågor: Vilka uppgifter måste du inkludera i datalagret och vad ska du lämna ut?

   • Vilken information ska sammanfattas och vad ska lämnas på detaljnivå?

   • Vilka uppgifter borde förblir i datalageret för evigt, och vilka uppgifter ska du rensa ur datalageret efter det att den åldrats?

   • Vad behöver du mer om uppgifterna innan du lägger den i ditt datalager?

   • Det här steget är en av de mest allvarliga testerna av hur väl IT-medarbetarna och företagsanvändarna möter hela datalagringsprojektet.