یک انبار داده (Data Warehousing) در واقع مخزنی مرکزی و یکپارچه برای جمع آوری انواع داده های متنوع سازمان از کسب و کارهای مختلف است که به مرور زمان جمع آوری شده اند. تعریف دقیق تر Data Warehousing در بر گیرنده ابزارهای هوش تجاری است که در جهت آنالیز داده ها مورد استفاده قرار می گیرند . همچنین OLAP بخش عظیمی از ابزارهای هوش تجاری را در بر می گیرد. که البته بسته به نیاز هر بخش سازمان متفاوت است. برای مدیران تنها آشنایی با اصطلاحات و تعاریف Data Warehousing و OLAP و مزایا و محدودیتهای هر کدام کافی است ولی همکاران بخش سیستم های اطلاعاتی باید از نحوه کارکرد و زمان توسعه سیستم با استفاده از این ابزارها اطلاع داشته باشند.
پرسشهای متداولی که در ادامه درباره مبحث Data Warehousing و OLAP مطرح شده است، به شناخت بهتر این مفاهیم کمک خواهد کرد.
یک Data Warehouse در واقع دیتابیسی می باشد که برای پشتیبانی از طیف گسترده ای از تصمیم سازی ها در یک سازمان خاص طراحی شده است. این داده ها معمولا بصورت ساختار یافته و بروز شده جهت query های سریع و آنلاین و مختصر برای مدیریت فراهم می شوند. Data Warehouse دارای مقادیر زیادی از داده ها که در طول زمان جمع آوری شده اند، می باشند. واژه Data Warehouse اغلب جهت تبیین فرایند ایجاد ، مدیریت و استفاده از انبار داده بکار می رود. این ایده از اوایل 1990 شکل گرفت. طبق تعریف (Oracle documentation (2002 ، انبار داده یک پایگاه اطلاعاتی است که برای query و انالیز طراحی شده است و نه به منظور پردازش تراکنشها که معمولا دربردارنده اطلاعاتی است که به مرور زمان و در نتیجه تراکنش ها جمع آوری شده اند ولی می توانند شامل اطلاعاتی از سایر منابع نیز باشند.
با این کار، حجم کاری آنالیز داده ها از تراکنش ها جدا می شود و سازمان را قادر می سازد تا داده ها را از چندین منبع مختلف تلفیق کند. پس یک Data Warehouse علاوه بر یک پایگاه داده ، دربردارنده راه حل هایی جهت استخراج ، انتقال ، تغییر شکل ، بارگذاری ، موتور پردازش تحلیلی آنلاین ((online analytical processing (OLAP) ، ابزار تجزیه و تحلیل مشتری و سایر برنامه های کاربردی است که روند جمع آوری داده ها و تحویل ان به کاربران تجاری را مدیریت می کند.
OLAP در واقع نرم افزاری برای دستکاری داده های چند بعدی از منابع مختلف است. داده ها اغلب در یک Data Warehouse ذخیره می شوند. نرم افزار OLAP به کاربر در ایجاد query ها ، نما ها و گزارشات کمک می کنند.
اصطلاحات Data Warehouse و OLAP گاهی اوقات به جای هم استفاده می شوند که این اشتباه است. همانطوری که تعاریف نشان می دهند، Data Warehouse به سازمان و مخازن داده با منابع مختلف اشاره دارد ، بطوری که می توان به راحتی آن را تجزیه و تحلیل و بازیابی نمود. OLAP در واقع نرم افزار و فرایند تجزیه و تحلیل داده ، مدیریت بر روش جع آوری داده ها ، آنالیز عمیق و بازیابی داده ها می باشد. پس این اصطلاحات نباید بجای هم بکار برده شوند.
Data Warehouse یا پایگاه داده متمرکز که data mart نیز نامیده می شود ، هنگامی مورد نیاز سازمانها قرار می گیرد که شمار قابل توجهی از کاربران بالقوه درخواست دسترسی به حجم زیادی از اطلاعات مربوط به تاریخ های مشخص را جهت تجزیه و تحلیل و گزارش دهی در اختیار دارند. در این موقع Data Warehouse های فعال یا real time قابلیت پشتیبانی پیشرفته جهت تصمیم گیری های متنوع را برای سازمانها فراهم می کنند.
بطور کلی اطلاعات سازمان یافته در مورد تراکنشهای تجاری و عملیات تجاری در یک انبار داده ذخیره می شوند. اما هر داده ای که برای مدیریت کسب و کار ارزش داشته باشد، باید جهت ذخیره سازی در یک انبار داده ارزیابی گرد. برخی از داده های استاتیک ممکن است برای بارگذاری اولیه به انبار وارد شوند. هر داده ای که از mainframe یا client/server و یا سیستم های تحت وب می آید، می تواند بصورت دوره ای به انبار داده منتقل شود. هدف از ایجاد انبار داده ، جمع آوری داده های مفید و نگهداری از آنها در یک مکان متمرکز می باشد. هنگامی که داده ها سازماندهی می شوند، مدیران و تحلیل گران اطلاعات می توانند از ابزارهای نرم افزاری مانند OLAP برای تحلیل انواع مختلف داده ها با هم استفاده کنند. و بطور بالقوه این داده ها را به اطلاعات ارزشمندی تبدیل کنند تا بتوانند جهت تصمیم سازی های حساس کسب و کار از آنها استفاده نمایند.
طراحان پایگاه داده معتقدند که اطلاعات غیر عادی یا غیر استاندارد شده بد هستند. مدیران پایگاه داده گاهی اوقات برای بهبود عملکرد query ها ، ساختار پایگاه داده را نرمالایز می کنند. با نرمالایز کردن دیتابیس تراکنش ها، از پردازش های ناهماهنگ جلوگیری شده و نتایج بهتری ارائه خواهد داد.
زمان انجام این کار بسته به نیاز کاربران و یا سرعت تغییر داده ها و همچنین حجم داده هایی است که باید در انبار داده ها بارگذاری شوند، متفاوت خواهد بود. این زمانبندی بصورت روزانه ، هفتگی و یا ماهیانه انجام می شود و بهتر است هنگامی که فعالیتهای کمی روی سیستم است (مثلا شبها یا تعطیلات آخر هفته) صورت گیرد. هرچه زمان میان بارگذاری ها بیشتر باشد، زمان پردازش بیشتر خواهد شد.
برخی از مزایا بالقوه قرار دادن داده ها در یک انبار داده عبارتند از:
1- بهبود زمان گزارش برای دسترسی به داده ها و گزارش دهی
2- استاندارد سازی اطلاعات در سراسر سازمان
3- ادغام داده ها از منابع مختلف برای ایجاد یک منبع اطلاعاتی جامع
4- کاهش هزینه برای ایجاد و توزیع اطلاعات و گزارش ها
5- به اشتراک گذاری اطلاعات و اجازه دادن به دیگران برای دسترسی و تجزیه وتحلیل داده ها
6- تشویق و بهبود تصمیم گیری مبتنی بر واقعیت
محدودیت های Data Warehouse عمدتا مربوط به انتظارات نابجای کاربران ، عدم وجود داده ها و صحت و کیفیت پایین اطلاعات است. ساخت یک انبار داده باعث ایجاد انتظارات غیر واقعی می شود که باید مدیریت شوند. البته انبار داده ها تمامی نیازهای تصمیم سازی را برآورده نمی کند. اگر اطلاعات مورد نیاز شما به درستی جمع آوری نشوند، سیستم تراکنش های شما می بایستی به گونه ای اصلاح شود که اطلاعات مورد نظر شما را پردازش و جمع آوری نماید. همچنین اگر مسئله در کیفیت داده ها باشد، باید داده ها اصلاح شوند. نرم افزار توانایی محدودی در تمییز و تبدیل داده های صحیح از ناصحیح در اختیار دارد. داده های غلط و همچنین از دست رفته بوسیله نرم افزار اصلاح نمی شوند.
همچنین می توانید برای مطالعه ویژگی های نرم افزارهای هوش تجاری به پست ویژگی های نرم افزارهای گزارش ساز و داشبورد مدیریتی مراجعه کنید.
پست مرتبط :
از چه ابزار گزارش گیری جهت آنالیز داده های پروژه می توان استفاده کرد ؟
ایجاد گزارشات Project Online با استفاده از Excel 2013
مزایای داشبوردها در هوش تجاری و فرآیند تصمیم گیری
طراحی پرتالهای اینترنت و اینترانت
