Hver kvinde har et problem med at administrere sine ejendele. Fra tøj til tilbehør har hun brug for den ene ting, der hjælper hende med at gemme alle sine ting ét sted. Jeg kan ikke forestille mig at være uorganiseret, og jeg er sikker på, at de fleste af jer, der læser dette, er enige med mig. Hvorfor er det så svært at være organiseret? Det meste af tiden var jeg klodset af netop den grund til at være en tvangsmæssig person.
Grunden til, at jeg tog dette op, var, at jeg tilfældigvis læste flere artikler om datalagring, og jeg blev mindet om mig selv. Ligesom min grundlæggende besættelse af at have alle mine ejendele et sted i den rigtige rækkefølge, forventer virksomheder i dag det samme. Der er chancer for, at dine ideer til datalagring er uklar. Der er mange mennesker, der stadig er uklare omkring det samme.
Datalager bruges i vid udstrækning inden for organisationer i dag. Det antages, at brugen af det i de næste par år gradvist vil øges. I udfordrende tider bliver det meget afgørende at tage smarte beslutninger og effektivt at administrere data, det er når datalager passer perfekt ind. Begrebet datalager er ikke svært at forstå. Forestillingen er at oprette et permanent lagerplads til de data, der er nødvendige for at understøtte rapportering, analyse og andre BI-funktioner.
Begrebet datalager er simpelt. Data ekstraheres med jævne mellemrum fra de applikationer, der understøtter forretningsprocesser og kopieres til specielle computere. Der kan den valideres, omformateres, reorganiseres, opsummeres, omstruktureres og suppleres med data fra andre kilder (Datalageret er min tilbehørskasse. Ligesom at styre mit udvalg af spredt tilbehør til minikasser, der igen er gemt i en stor kasse) . Datalageret bliver den vigtigste informationskilde til generering, analyse og præsentation af rapporter gennem ad hoc-rapporter, portaler og dashboards. (Det bliver lettere for mig at finde ud af, hvilket tilbehør der er i hvilken boks)
Funktioner i et datalager
1. Kører på computere dedikeret til denne funktion. (Mit sind)
2. Kører på et databasehåndteringssystem (DBMS) (række andre minibokse, der gemmer mit tilbehør)
3. Opbevarer data i lang tid. (Gemmer mit tilbehør i lang tid)
4. Kombinerer data fra mange kilder (Gemmer en række tilbehør, der var spredt forskellige steder)
5. Bygget omkring en nøje designet datamodel, der omdanner produktionsdata fra et design med høj hastighed til dataindtastning til en, der understøtter hentning af høj hastighed. (Mit valg om at vælge den perfekt designede kasse til at rumme alt mit tilbehør og skelne mellem en god kasse og en middelmådig kasse)
Det sværeste ved at skabe et godt datalager er designet af den model, som den blev bygget omkring. Der skal træffes beslutninger om navnene, der skal gives til hvert felt, om hver datamodel skal omformateres, og hvilke metadatafelter der skal beregnes og tilføjes. Når et datalager er operationelt, er det vigtigt, at datamodellen forbliver stabil. Hvis den ikke gør det, skal rapporter oprettet ud fra dataene ændres, hver gang datamodellen ændres.
Når et datalager er på plads og er godt befolket med data, begynder gode ting at knække. Nogle af dem er som følger:
hvordan man caster dobbelt til int i java
1. Generering af planlagte rapporter
2. Emballerede analytiske applikationer
3. Ad hoc rapportering og analyse
4. Dynamisk præsentation gennem dashboards
5. Drill ned kapacitet
6. Datamining
7. Sikkerhed
Disse fordele er det, der gør BI baseret på datalager til et afgørende styringsværktøj for virksomheder, der har nået et vist niveau af kompleksitet.
Nogle af de store mærker med datavarehus
Æble
Apple driver et Teradata-system med flere petabyte. Apple bruger datalageret til at få en bedre forståelse af sine kunder på tværs af produktgrupper. Nu genererer hvert stykke identificerbar information og disse i Tunes-interaktioner en masse data, der går ind i systemet, så virksomheden ved, hvem der er hvem, og hvad de laver.
Walmart
Detailgiganten implementerede Teradatas første nogensinde database i terabyte i 1992, og den er vokset en smule siden da. Dets operationelle system var på 2,5 petabyte fra og med 2008 og er bestemt spring over grænser nu - sandsynligvis langt ind i de to cifre, når man overvejer, at det driver separate for Walmart og Sam's Club samt et backup-system. Analyseanstrengelsen har i det væsentlige hjulpet Walmart med at blive en massiv forsendelsesbutik.
ebay
eBay har to systemer på plads, og de er begge store. Dets primære datalager er 9,2 petabyes, dets 'singularitetssystem', der gemmer webklik, og andre 'store' data er mere end 40 petabyte. Det har et enkelt bord, der er 1 billion rækker. Ja, dette er mindre end de 50 petabytes, som Hadoop-kapaciteten eBay tilføjede sidste år, men Teradata er hurtig til at påpege, at alle dets systemer understøtter data ind og ud af Hadoop, så det er ikke som om eBay driver to helt forskellige data miljøer.
Starbucks
Siden 1971 har Starbucks Coffee Company forpligtet sig til etisk indkøb og ristning af verdens højeste kvalitetskaffe. De bruger et højtydende virksomhedsdatalager, der indeholder salg, marketing, butiksledelse, salgssted, kundeloyalitet og forsyningskædedata til at skabe mere informerede forretningsbeslutninger på virksomheds-, region- og butiksniveau.
Her er et par interessante brugssager:
Continental Airlines besluttede, at de ville holde sine kunders glade og begyndte at vurdere dem efter levetidsværdi og begyndte at foretage alternative ordninger for dem, så snart flyselskabet indså, at fly ville blive forsinket.
Et luksusbilselskab brugte Aster Data til at analysere fejlmønsteret for forskellige komponenter inde i sine biler. Det fandt ud af, at belysning, sæder og infotainment ofte svigtede sammen (de er på samme kredsløb) og begyndte at inspicere alle tre, når en kunde kommer til service på en af dem.
goto i c ++
Hvorfor kan du ikke gå glip af at have et datavarehus?
Værdien af datalager stiger med tiden, og det lønner sig at begynde at lægge alt på ét sted. En forsinkelse i at have det kan koste dig, da dine konkurrenter har grebet muligheden.
1. Hårde besparelser kommer fra ting som at opdage mistede rabatter på gæld, eller at sælgere tilbyder rabatter ud over godkendte grænser.
2. Realtidskonsolidering af økonomiske data bliver praktisk, og debatter ophører om, hvilken datakilde der er korrekt.
3. IT-omkostningerne og personale dedikeret til rapportering reduceres kraftigt.
4. Ved at levere data fra forskellige kilder har ledere og ledere ikke længere brug for at træffe forretningsbeslutninger baseret på begrænsede data eller deres tarm.
5. Et datalager gemmer store mængder historiske data, så du kan analysere forskellige tidsperioder og tendenser for at komme med fremtidige forudsigelser.
6. Datalager fungerer til fordel for at spare dig så meget tid. De sparer tid ved at gemme en virksomheds oplysninger et sted. I stedet for at have det forskellige steder, gør en centraliseret det bedre.
hvordan man bruger swing java
Har din virksomhed brug for et datavarehus?
De data, din virksomhed genererer, har stor værdi for din virksomhed. Du vil sikre dig, at alle dine data er sikre og er tilgængelige på ethvert tidspunkt. Men i dag er data vokset enormt, og virksomheder finder en måde at styre dem på. Datalager synes at være en god indsats i dette tilfælde. Men det virkelige spørgsmål er, har din virksomhed virkelig brug for en?
1. Afhængighed af regneark
Brugen af regneark er blevet af stor værdi, da det er et af de vigtigste forretningsværktøjer i dag. En enorm mængde data kan gemmes i disse regneark. Problemet opstår, når datastørrelsen begynder at stige. Hver afdeling har regneark, som du bliver nødt til at hente data fra for at generere en rapport. Hvis dette er tilfældet, finder du dig selv at oprette manuelle rapporter, hvilket kan tage meget af din tid. Når dette sker, kommer datalager ind på billedet for at gøre tingene lettere, da det er svært at finde dataene, da de er spredt på forskellige ark.
2. Lang ventetid
Hvis du kun udvikler en rapport for at finde ud af, at du skal vente på, at kollegerne leverer oplysningerne på deres regneark eller analyserer deres data, kan du vente i længere tid. Implementering af et datalager kan hjælpe med at centralisere data og gøre dem tilgængelige for alle teammedlemmer mere effektivt. Dette reducerer den brugte tid på at skulle spore det og kommunikere med kolleger.
3. Uoverensstemmelser i data og rapporter
Når teamledere eller medlemmer i forskellige afdelinger opretter rapporter, er dataene eller resultaterne forskellige fra dine eller andre rapporter. Dette er ikke kun frustrerende, det er også tidskrævende at ordne og kunne føre til dyre fejl. Hvis du til enhver tid føler, at der er inkonsekvens i dine data, kan du måske overveje at få et datalager.
4. Tid brugt på generering af rapporter
Ideelt set skulle vi være i stand til at generere en rapport ved hjælp af eksisterende data næsten øjeblikkeligt. Når du genererer en rapport, hvis du finder ud af, at du bliver nødt til at fortsætte til forskellige kilder for at kontrollere, om dataene er opdateret, eller hvis du fortsat manuelt opdaterer andre kilder, vil du bemærke, hvor lang tid det tager at udvikle en rapport.
Da datalager konsoliderer data, behøver du kun henvende dig til en kilde for data. Kombiner med det faktum, at mange datavarehuse kan indstilles til automatisk at opdatere, hvis kildedata opdateres eller ændres, og du kan garantere, at de data, du bruger, altid er korrekte.
Har du et spørgsmål til os? Nævn dem i kommentarfeltet, så vender vi tilbage til dig.
Relaterede indlæg: