Inhoudsopgave:
- Geografiegegrensde gegevens
- Organisatie-gebonden gegevens
- Functiegebonden gegevens
- Marktgebonden gegevens
- Antwoorden op specifieke zakelijke vragen
- Elke set criteria die u kunt bedenken, kan de inhoud van een datamart bepalen. Sommige zijn logisch; anderen niet. Sommige nemen je mee naar een architecturale doodlopende weg omdat je slechts een beperkte waarde krijgt en helemaal opnieuw moet beginnen om je mogelijkheden uit te breiden.
Video: "WAT BEZIELDE JE IN GODSNAAM OM DEZE TATTOO TE ZETTEN?!" | Just Tattoo of Us Benelux - Highlights 2024
Als een datamart een kleinschalige versie van een datawarehouse is, dan rijst deze vraag: Wat betekent "kleinere schaal" in relatie tot de inhoud van een datamart? Het antwoord op deze vraag is meestal dat de gegevens een subset zijn van de algemene bedrijfsgegevens .
Geografiegegrensde gegevens
Een datamart kan alleen de informatie bevatten die relevant is voor een bepaald geografisch gebied, zoals een regio of territorium binnen uw bedrijf. Deze afbeelding illustreert een voorbeeld van geografische gegevens.
Hoewel u technisch gezien een geografiegrende datamart op een relatief eenvoudige manier kunt gebruiken, wilt u uw gegevens waarschijnlijk niet op deze manier onderverdelen. Gebruikers willen vaak een vergelijking tussen verschillende geografische gebieden bekijken (bijvoorbeeld 'Hoe gaan onze Arizona-winkels in vergelijking met onze Pennsylvania-winkels?') In hun datawarehouse-omgeving. Wanneer u afzonderlijke datamarts om verschillende geografische redenen maakt, worden dit soort vergelijkingen veel moeilijker te maken.
Organisatie-gebonden gegevens
Bij het bepalen van wat u in uw datamart wilt plaatsen, kunt u beslissingen baseren op welke informatie een specifieke organisatie nodig heeft wanneer het de enige is (of op zijn minst primaire) gebruiker van de datamart. Zoals te zien is in deze figuur, kan een bank één datamart creëren voor de analyse van consumentenaccounts en een andere datamart voor commerciële betaalrekeningen.
Deze aanpak werkt goed wanneer de overgrote meerderheid van vragen en rapporten organisatorisch georiënteerd zijn. De commerciële controlegroep heeft bijvoorbeeld helemaal geen behoefte om consumentencontrolerekeningen te analyseren en omgekeerd.
Het loont om te graven in de bedrijfsbehoeften tijdens de werkingsfase van een data warehousing- of datamart project. Buitenstaanders, bijvoorbeeld, denken misschien: "Oké, zet alle rekeninginformatie, zowel consumenten als commercieel, in dezelfde omgeving, zodat marketing- of risicobeheeranalisten rapporten kunnen uitvoeren die gemiddelde balansen en andere informatie vergelijken voor de gehele bankrekeningportefeuille. bij de bank. "
Na aanvullende analyse zult u echter merken dat de bank dit soort vergelijking niet doet, dus waarom zou u de twee gebieden niet gescheiden houden en onnodige complexiteit vermijden?
Functiegebonden gegevens
Met behulp van een benadering die de grenzen van de organisatie overschrijdt, kunt u de inhoud van een datamart instellen op basis van een specifieke functie (of reeks verwante functies) binnen het bedrijf. Een multinationaal chemisch bedrijf kan bijvoorbeeld een datamart creëren exclusief voor de verkoop- en marketingfuncties in alle organisaties en in alle productlijnen, zoals weergegeven in deze figuur.
Marktgebonden gegevens
Een bedrijf kan zo nu en dan zo gefocust zijn op een specifieke markt en de bijbehorende concurrenten dat het zinvol is om een datamarket gericht met dat specifieke focus te creëren. Zoals in deze figuur te zien is, kan dit type omgeving concurrerende verkopen omvatten, alle beschikbare openbare informatie over de markt en concurrenten (vooral als u deze informatie op internet kunt vinden) en rapporten van brancheanalisten bijvoorbeeld.
Om de bedrijfsinformatie die een bedrijf nodig heeft in een concurrentgestuurde situatie echt te bieden, bouwt u de datamart om multimediagegevens op te nemen, naast de traditionele gegevenstypen die doorgaans in een gegevensmagazijn worden gevonden.
Antwoorden op specifieke zakelijke vragen
De antwoorden op een select aantal (vaak een handvol) zakelijke vragen drijven af en toe de activiteiten van een organisatie. Op basis van de antwoorden zou een bedrijf productielijnen kunnen versnellen of vertragen, extra diensten kunnen opstarten om de productie te verhogen of ontslagen in te leiden, of besluiten om andere bedrijven over te nemen.
Zakelijke vragen met een dergelijk belangrijk gewicht veroorzaken van oudsher nachtmerries voor de interne medewerkers die zijn gecharterd met het uitgraven van gegevens en rapporten, het consolideren en controleren van de informatie en het rapporteren van de resultaten aan het uitvoerend management.
Klinkt als een klus voor een datawarehouse, zegt u? Helaas hebben bedrijfsanalisten vaak spreadsheets gebruikt, zoals Microsoft Excel. Voor dit soort "spread-marts" ontbreekt vaak de herhaalbaarheid en datakwaliteit die nodig is om de gegevens voor meer dan één moment in de tijd te gebruiken. Voordat u een volledig datawarehouse bouwt dat deze (en vele andere) zakelijke vragen kan beantwoorden, wilt u waarschijnlijk overwegen of een kleinschalige datamart specifiek ontworpen is om die high-impact, hoge waarde te beantwoorden. " Hoe gaat het met ons? "Type vragen kunnen de klus klaren.
Later zou dit type omgeving kunnen uitgroeien tot een grootschaliger datawarehouse. Het heeft echter vaak meer zin om uw inspanningen te concentreren op het ondersteunen van een datamart die zakelijke waarde heeft gekend, in plaats van deze aan te vullen met hoeveelheden aanvullende gegevens die bedrijfswaarde kunnen bieden (maar ook reactietijd kunnen vertragen of het einde aanzienlijk kunnen bemoeilijken). architectuur).
Nogmaals, het werk dat u in de eerste fasen van uw project doet, maakt een groot verschil in de richting die u neemt en uw niveau van succes.
Anything!