متادیتا یا اطلاعات فنی

در کسب و کار متادیتا فنی یا اطلاعات فنی ساختار اطلاعات را توصیف می‌کند، به گونه‌ای که اطلاعاتی که منبع انبار داده هستند یا اطلاعات موجود در انبار داده را تشکیل می‌دهند. اطلاعات فنی ساختار داده‌ها، راهی که داده‌ها حرکت می‌کنند و چگونگی تبدیل شدن آنها هنگام حرکت از یک مرحله به مرحله دیگر را توصیف می‌کند. این ممکن است شامل یکی یا تمامی موارد زیر شود:

  • اطلاعات اتصالی؛

که روش‌های تعامل داده‌ها با سامانه پایگاه داده را توصیف می‌کند، از جمله نام‌های استفاده شده برای برقراری ارتباطات، نام‌های پایگاه داده، نام‌های منبع داده، اینکه آیا اتصالات می‌توانند به اشتراک گذاشته شوند، و زمان انقضای اتصال

  • اطلاعات مربوط به جدول؛

از جمله نام‌های جدول؛ توضیح اینکه هر جدول نماینده چه چیزی می‌شود؛ در کدام پایگاه داده جدول ذخیره شده است؛ مکان فیزیکی، اندازه، و نرخ رشد جدول؛ منابع داده‌ای که به هر جدول ورود می‌کنند؛ تاریخچه به‌روزرسانی (شامل تاریخ آخرین به‌روزرسانی و تاریخ آخرین تازه‌سازی؛ کلیدهای نامزد؛ کلیدهای خارجی؛ درجه کاردینالیتی کلیدهای خارجی (برای مثال، 1:1 در مقایسه با 1: به چند؛ محدودیت‌های صحت مرجع؛ وابستگی‌های کارکردی؛ و نمایه‌ها.

  • اطلاعات ساختار سطر؛

اطلاعات ساختار سطر توصیف کننده ساختار سطر می‌باشد و شامل اطلاعاتی چون سایز کلی سطر؛ اینکه سطر یک طول متغیر یا ثابت دارد؛ نام‌ها، انواع، توضیحات، و اندازه‌های تمامی ستون‌ها؛ منبع مقادیری که هر ستون را پر می‌کنند؛ اینکه یک ستون یک کلید یکتا به صورت خودکار ایجاد شده است؛ وضعیت نال (خالی) ؛ محدودیت‌های دامنه؛ و محدودیت‌های اعتبار.

  • اطلاعات مرتبط با انجام عملیات بر روی سطر؛

اطلاعات مرتبط با انجام عملیات بر روی سطر شامل زمان ایجاد سطر، زمان آخرین به‌روزرسانی، آخرین شخصی که سطر را به‌روز کرده است و نتایج آخرین به‌روزرسانی می‌شود.

  • اطلاعات نمایه؛

که توصیف می‌کند که چه نمایه‌هایی وجود دارند، بر روی کدام جداول این نمایه‌ها ایجاد شده‌اند، ستون‌هایی که برای انجام نمایه‌گذاری استفاده می‌شوند، اینکه نال‌ها مجاز هستند یا نه و اینکه نمایه به صورت خودکار یا دستی به‌روزرسانی می‌شود.

  • اطلاعات کارشناسان داده؛

که شامل اعضای تیمی است که با داده‌ها کار می‌کنند، اطلاعات تماس آن‌ها (مثل شماره تلفن و آدرس ایمیل) و اشیاءی که به آن دسترسی دارند.

  • امنیت و دسترسی به اطلاعات؛

که صاحب داده را شناسایی می‌کند، الگوی مالکیت را مشخص می‌کند، که چه کسانی می‌توانند به داده دسترسی داشته باشند و با چه مجوزهایی (مثلاً فقط خواندنی در مقابل تغییر دادن یا ویرایش)؛

  • اطلاعات مدل داده؛

که نمودارهای Entity-Relationship، طرح‌های بعدی و ساختارهای اتصال ستاره‌ای، مدل‌های داده منطقی و مدل‌های داده فیزیکی را ثبت می‌کند.

  • اطلاعات ویژگی‌های فیزیکی؛

مانند اندازه جداول، تعداد رکوردها در هر جدول و حداکثر و حداقل اندازه رکوردها اگر رکوردها از نوع طول متغیر باشند.

  • اطلاعات مرجع؛

مانند دامنه‌های داده معرفی شده، محدوده مقادیر، مقادیر احتمالی (برای آزمون‌های معقولیت) و نگاشت‌های بین دامنه‌های داده را شامل می‌شود.

  • اطلاعات مدیریتی؛

مانند تاریخچه یک جدول داده یا پایگاه داده، اطلاعات نگهداری و ماتریس‌های مسئولیت.

  • اطلاعات تبدیل؛

که ساختار منابع داده‌ای را که به انبار داده تغذیه می‌کنند، مقصد داده نهایی و برای هر مقدار داده در مقصد، مجموعه تبدیل‌هایی که برای متریال کردن داده استفاده می‌شود و توضیح تبدیل را توصیف می‌کند.

  • اطلاعات فرآیند؛

که جریان اطلاعات و توالی پردازش استخراج و تبدیل را توصیف می‌کند، از جمله تجزیه و تحلیل داده، تمیزکاری داده، استانداردسازی و ادغام.

  • اطلاعات داده تامینی؛

که برای تمام مجموعه‌های داده تامین شده، نام مجموعه داده، نام تامین‌کننده، نام افراد مسئول تحویل داده، مکانیزم تحویل (شامل زمان، مکان و روش)، اندازه مورد انتظار داده تامینی، مجموعه‌های داده‌ای که با استفاده از هر مجموعه داده تامینی منبع‌گیری می‌شوند، و هرگونه تبدیلاتی که باید بر روی داده‌ها اعمال شود را ارائه می‌دهد.

 

اطلاعات فنی، انباره داده، متاداده و کسب و کار، هوش تجاری BI، کاربردهای هوش تجاری، فرآیند هوش تجاری، مزایای استفاده از هوش تجاری

این لیست هیچ‌ وقت مدل کامل نمی‌باشد و بستگی به پیاده‌سازی آن دارد که چه اطلاعاتی در مورد داده مهم است. همچنین مهم است که اطلاعات متا‌دیتا برای تمام مجموعه‌های داده مختلفی که در فرآیند BI مرتبط هستند، از جمله مجموعه‌های داده‌ای که منبع انبار داده را تامین می‌کنند، از جمله سیستم‌های میراثی یا مرکز داده اصلی، داده‌های تامین شده از منابع خارجی، داده‌های برنامه تأمین‌کننده (مانند داده‌های ذخیره شده در سیستم‌های مدیریت منابع سازمانی [ERP] متعلق به تأمین‌کنندگان)، نمایش داده در هر مرحله پیش‌پردازش، انبار داده، هر داده‌مارت و تمامی برنامه‌های تجزیه و تحلیل کسب‌وکار مورد نیاز است. به یاد داشته باشید که با وجود طول این لیست، تعداد اندکی از سازمان‌ها اطلاعات متا‌داده را کامل ثبت می‌کنند. علاوه بر این، حتی سازمان‌هایی که بسیاری از اطلاعات متا‌داده را ثبت می‌کنند، همچنان فرصت‌های زیادی برای استفاده از آنها دارند.

متا‌داده و کسب و کار

فهرست اطلاعات کسب و کار شامل بسیاری از اطلاعاتی است که در اطلاعات فنی نیز وجود دارد، همچنین شامل:

  • اطلاعات متا‌داده که ساختار داده را به عنوان گرفته شده توسط مشتریان کسب و کار توصیف می‌کند.
  • شرح روش‌های دسترسی به داده برای برنامه‌های تجزیه و تحلیل مشتری.
  • معانی کسب و کار برای جداول و ویژگی‌های آنها.
  • ویژگی‌ها و مسئولیت‌های مالکیت داده.
  • دامنه‌های داده و تطابق‌های میان این دامنه‌ها برای اعتبارسنجی.
  • دستورالعمل‌های تجمیع و خلاصه‌سازی.
  • دستورالعمل‌های گزارش‌دهی.
  • سیاست‌ها و دسترسی‌های امنیتی.
  • قوانین کسب و کار که محدودیت‌ها یا دستورات مرتبط با داده‌ها در یک رکورد یا بین رکوردها توصیف می‌کند.

مخزن متاداده

متاداده به معنای داده است، به همین دلیل می‌توان آن را به همان شکلی که داده‌های دیگر مدیریت می‌شوند، مدل‌سازی و مدیریت کرد. به عنوان منبع اصلی دانش درباره عملکرد داخلی محیط هوش تجاری، مهم است یک مخزن متاداده ایجاد و نگه داری شود که برای همه کارگزاران دانشی درگیر در برنامه BI در دسترس باشد. اینکه مخزن متاداده به صورت فیزیکی متمرکز باشد یا در سیستم‌های گوناگونی پخش شود و به چه صورتی دسترسی داشته باشد، اهمیت دارد. وجود سیستم‌های داده متفاوتی که اطلاعات خود را به محیط BI ارائه می‌دهند، این فرآیند را پیچیده‌تر می‌کند، زیرا هر سیستم ممکن است روش‌های خود برای مدیریت متاداده خود داشته باشد.

مخزن متادیتا، انباره داده، متاداده و کسب و کار، هوش تجاری BI، کاربردهای هوش تجاری، فرآیند هوش تجاری، مزایای استفاده از هوش تجاری

مسائل مدیریتی

به عنوان یک مدیر، مهم است که بدانید که زمینه ذخیره‌سازی داده (Data Warehousing) به معنای ساختاردهی فقط به چارچوب‌های هوش تجاری (Business Intelligence) نیست. همانطور که در هر فناوری با ساختار نسبتاً آزاد اتفاق می‌افتد، تعداد گفت‌وگوها و توجه‌ها اطراف زمینه ذخیره‌سازی داده به تناسب معکوس با تعداد پروژه‌های واقعاً موفق به نظر می‌رسد. حدس ما این است که تعداد کارشناسان موجود در زمینه ذخیره‌سازی داده ممکن است با تعداد پروژه‌های ناموفق ذخیره‌سازی داده برابر باشد.

مشکلات مهم مدیریتی مرتبط با موضوعات مورد بحث در این مطلب به جنبه‌هایی از این مسئله اشاره دارد.

دو دیدگاه رقابتی

در واقع دو دیدگاه متفاوت در مورد نحوه ایجاد یک انبار داده و یک برنامه هوش تجاری وجود دارد و به دلیلی نامعلوم، به نظر می‌رسد که افرادی که به دو دیدگاه متفاوت از این مسئله عمل می‌کنند، به اصطلاح به طور مذهبی به دیدگاه خود پایبند هستند. یک رویکرد باور دارد که یک انبار داده در واقع اتحاد تعدادی از دیتا مارت‌ها است و از دیتا مارت‌های فردی می‌توان به مرور زمان به یک انبار داده تکامل یافت.

رویکرد دیگر بر روی تعریف انبار داده متمرکز در ابتدا تمرکز دارد که سپس برای منبع‌سازی دیتا مارت‌های فردی استفاده می‌شود. رویکرد اول این امکان را فراهم می‌کند که ارزشی را به صورت منظم ارائه دهد، در حالیکه رویکرد دوم بیشتر به عنوان یکی از بزرگ‌ترین اجرای اولیه است که پس از اجرای اولیه به سرعت ارزش دلخواه ایجاد می‌شود. در واقع، هر دو رویکرد مزایای خود را دارند و شاید در عمل بتوان نقاط مشترکی را در نظر گرفت که به هر دو رویکرد اجرایی می‌شود تا به نتایج میانی دست پیدا کند در حالی که به مفهوم کارخانه اطلاعاتی توسط یک انبار داده وسیع تر که توسط یک انبار داده کلان تغذیه می‌شود مطابقت یابد.

دو دیدگاه رقابتی، انباره داده، متاداده و کسب و کار، هوش تجاری BI، کاربردهای هوش تجاری، فرآیند هوش تجاری، مزایای استفاده از هوش تجاری

دامنه فناوری

یکی از مشکلات اساسی صنعت انبار داده این است که بسیار آسان است که هدف نهایی را از دست دهید، که آن، ارائه محیطی باشد که مشتریان داده تجاری بتوانند داده‌ها را تجزیه و تحلیل کرده و برای بهبود کسب و کار خود بررسی کنند. 

تکنولوژی‌های جذابی در ارتباط با انبار داده وجود دارد، اما اغلب اوقات تکنولوژیست‌ها این پروژه‌ها را پیش می‌برند. مهم است به یاد داشته باشیم که بهترین روش برای انجام کار، ضرورتاً روشی نیست که بهترین شیوه برای انجام کار باشد.

تله فروشنده‌ها

توجه داشته باشید که بسیاری از فروشندگان تحت عنوان راه‌ حل‌ها، محصولات پکیج شده در زمینه‌های انبار داده، داده‌های مارت، مخازن متاداده و محیط‌های OLAP تولید می‌کنند. بسیاری از این محصولات ممکن است محصولات خوبی باشند و به فرآیند ارزش قابل توجهی بیافزایند، اما به خاطر داشته باشید که فروشندگان کمتر در مورد موفقیت نهایی مشتریان علاقه‌مندند و بیشتر در مورد دستیابی به اهداف مالی خود در فصل جاری نگران هستند. مثال‌های زیادی از محصولات نرم‌افزاری با هزینه‌های بالا وجود دارد که مشتریان نمی‌توانند از آن‌ها بدون سرمایه‌گذاری اضافی در آموزش و مشاوره استفاده کنند و در نهایت به عنوان “نرم‌افزار قفسه‌ای” (شلف‌ویر) پایان می‌یابند.

تله فروشنده‌ها، انباره داده، متاداده و کسب و کار، هوش تجاری BI، کاربردهای هوش تجاری، فرآیند هوش تجاری، مزایای استفاده از هوش تجاری

خلاصه

محور محیط BI انبار داده است که یک مخزن از داده‌های گردآوری شده از منابع مختلف و تجدید ترکیب برای کارایی تحلیلی است. دیتا مارت‌ها مخازن دپارتمانی چگال‌تر هستند که برای تحلیل هدف‌مند طراحی شده‌اند و می‌توانند برای پر کردن پایگاه‌های داده OLAP استفاده شوند.

ابزارهای پردازش تحلیلی آنلاین به تحلیل‌گر داده امکان می‌دهند تا معیارهای تجمیعی مقایسه‌ای را در سراسر ابعاد متعدد مشاهده کرده و در عین حال امکان اکتشاف بیشتر با حفر در سلسله مراتبی ابعاد را فراهم می‌کنند.

 

 

 

شرکت داده های هوشمند ساویس با هدف کمک به طراحی، توسعه و رشد محصول و کسب و کار خدمات متفاوتی ارائه می‌کند. با توجه به اینکه مجموعه شما چه ابعاد و نیازهایی دارد، برنامه همکاری و سرویس‌دهی به شما بطور منحصر بفرد طراحی و بصورت پروپوزال به شما ارائه می‌شود. با توجه به اهداف هوش تجاری و موارد مطرح شده در این مطلب میتوانید با استفاده از داشبوردهای هوش تجاری، کسب و کار خود را ارتقاء دهید.

ما در مطالب بعدی، در رابطه با قوانین کسب و کار، مورد تجاری، رویکرد قوانین کسب و کار و مطالب مرتبط به مواردی اشاره خواهیم کرد؛ امید است که ارائه این مطالب شما را به شناخت بهتر هوش تجاری نزدیک ‌کند و بتواند موفقیتی برای کسب و کار شما باشد.