By:Arshad Ali|Updated:2013-06-24|Comments(9)|Related:>Analysis Services Development
Problem
ヒントの最後のカップルでは、ビジネスインテリジェンスソリューショビジネスインテリジェンスシステムアーキテクチャなどのように見えます。 このヒントでは、データウェアハウスが運用データストアとどのように異なるか、およびデータウェアハウスのさまざまな設計方法について詳しく説明
ソリューション
このヒントは、データウェアハウス(Dw、Enterprise Data WarehouseまたはEDWとも呼ばれる)、運用データストア(ODS)との違い、および異なるデータウェアハウス設計方法
エンタープライズデータウェアハウス(EDWまたはDW)Vs. Operational Data Store(ODS)
ビジネスインテリジェンスアーキテクチャ全体におけるデータウェアハウスの目的は、履歴分析および傾向分析レポートを容易にするために、異 これは、中央リポジトリとして機能し、慎重に異種の内部および外部の運用データベース\システムに格納されたデータから構築された組織のための”真実の パフォーマンスを向上させるために、data warehouseのほとんどのデータは非正規化された形式になり、starまたはsnowflakeスキーマのいずれかに分類できます(次のヒントで
Operation Data Store(ODS)の目的は、リアルタイムまたはほぼリアルタイムの運用レポートを容易にするために、異なる異種データソースからの企業データを統合することです。 多くの場合、ODSのデータはソースシステムと同様の構造になりますが、統合中にデータクレンジング、重複排除、およびデータの整合性を確保するためのビジネ ODSは主に、リアルタイムのデータ統合シナリオに近い運用レポートのための最低の粒状レベルで非常に頻繁にデータを統合することを意図しています。 通常、ODSは、膨大なデータセットの履歴分析および傾向分析用に最適化されません。
ODSとDWの違いをまとめてみましょう:
- ODSは運用レポートのためのものであり、現在またはほぼリアルタイムのレポート要件をサポートしています。
- ODSは履歴分析および傾向分析のためのもので、大容量のデータに対するレポート
- ODSは、サマリーレベルまたは集計データに対する複雑なクエリに使用されます。
- ODSは、現在またはほぼリアルタイムのデータ収集に関する運用上、戦術的な意思決定のための情報を提供します。dwは、odsでシステム全体の改善につながる戦略的意思決定のためのフィードバックを提供します
- データ負荷の頻度は毎時または毎日である可能性がありますが、DWtheではデータ負荷の頻度は毎日、毎週、毎月または四半期
データウェアハウス設計方法
データウェアハウスソリューションを設計するときに通常従う二つの異なる方法があり、プロジェクトの要件に基づいて、特定のシナリオに合った方法を選択することができます。 これらの方法論は、BillInmonとRalph Kimballの研究の結果です。
Bill Inmon-トップダウンデータウェアハウス設計アプローチ
Bill Inmonは、”データウェアハウスの父”とも呼ばれ、彼の設計方法論はトップダウンアプローチに基づいており、これらの用語でデータウェアハウスを定義している
- サブジェクト指向-データウェアハウス内のデータはサブジェクトエリアに基づいて分類され、したがって”サブジェクト指向”である。
- 統合-データは、異なる異種のデータソースから統合されるため、データウェアハウスで使用される普遍的な命名規則、測定、分類などから統合されます。 データウェアハウスは、データの企業統合ビューを提供するため、asan統合ソリューションと指定されています。
- Non-volatile-データがデータウェアハウスに統合されると、データは読み取ることしかできません。 ユーザーはデータに変更を加えることができず、thispracticeはデータを不揮発性にします。
- Time Variant-最後に、データは年単位で定量化された長期間保存され、日付とタイムスタンプがあるため、”time variant”として記述されます。
Bill Inmonは、異なるOLTPシステムからのデータを、いわゆるトップダウンアプローチで集中リポジトリ(データウェアハウス)に統合する必要があると見ました。 Bill Inmonは、ビジネスインテリジェンス(BI)、ビジネス分析、およびビジネス管理機能を提供するための論理的なフレームワークを提供する「Corporate Information Factory」(CIF)の中心にデータウェアハウスを想定しています。
このトップダウン設計では、すべてのデータマートが集中リポジトリ(データウェアハウス)からロードされるため、データマート間でデータの一貫性の高い次元ビューが提供されます。トップダウンの設計は、組織の各機能やビジネスプロセスではなく、組織全体として見えるように、ビジネスの変化をサポートする柔軟性があること データウェアハウスに格納されたデータに対して新しい次元データマートを生成するのは比較的簡単な作業です。 トップダウンアプローチにはいくつかの課題がありますが、例えば、それは非常に広いスコープを持つ非常に大きなプロジェクトを表しているため、トップさらに、プロジェクトの開始からエンドユーザーがソリューションの初期の利点を経験し始めるまでの時間の持続時間はかなりのものになる可能性があ また、トップダウンの方法論は、実装フェーズ中に部門やビジネスプロセスのニーズの変化(今日の動的に変化する環境の懸念)に柔軟性がなく、応答しな
Ralph Kimball-ボトムアップデータウェアハウス設計アプローチ
Ralph Kimballは、データウェアハウスをテーマにした有名な著者です。 彼の設計方法論は次元モデリングまたはKimball方法論と呼ばれています。 この方法論はボトムアップアプローチに焦点を当てており、データウェアハウスの価値をできるだけ早くユーザーに強調しています。 彼のビジョンでは、データウェアハウスは、意思決定支援システムをサポートするために、分析クエリとレポートのために特別に構造化されたトランザクシ 彼の方法論によると、データマートは、特定のビジネス\機能プロセスのためのレポートと分析機能を提供するためにfirstcreatedされ、後でこれらのデータマートに最終的に一緒に統合され、包括的なエンタープライズデータウェアハウスを作成することができます。 ボトムアップのアプローチは、ある時点で各ビジネスプロセスに焦点を当てているので、投資収益率は最初のデータマートが作成されるのと同じくらい速 慎重に計画されていない場合は、いくつかのディメンションが欠落しているか、冗長なディメンションなどを作成することによって、エンタープライズデータウェアハウスの全体像が欠けている可能性があります。 あなたはあまりにも個々のビジネスプロセスに焦点を当てているとき。
Ralph Kimballのボトムアップアプローチは、すべての共通要素(適合\共有ディメンション、メジャーなどのデータマートで使用される)を含)企業全体のために定義されています。 これにより、ユーザーはクロスセルのためのビジネスプロセス全体の分析をサポートするソリューションを設計し、開発することができます。 行列の詳細についてはこちらをご覧ください。
データウェアハウスとビジネスインテリジェンスドメインでのキャリアを作りたい人のために、私はBill Inmonの本(データウェアハウスとDW2.0の構築:次世代のデータウェアハウスのためのアーキテクチャ)とRalph Kimballの本(Microsoft Data Warehouse Toolkit)を勉強することをお勧めします。
次のステップ
- レビュー Microsoft SQL Serverビジネスインテリジェンス-何、なぜ、どのように-パート1。
- レビュー Microsoft SQL Serverビジネスインテリジェンスシステムアーキテクチャ-パート2。
- MSSQLTips.com.
最終更新日: 2013-06-24
著者について
すべての私のヒントを表示
- より多くのビジネスインテリジェンスのヒント。..