資料倉儲建模思想在商務智慧領域的應用(轉)
隨著企業資訊化程度的不斷提高,各類應用系統同時並存並支撐著企業的業務應用。越來越多企業的資訊化主管在開發企業應用時已經考慮到資料整合和將來對資料的整體有效利用,因此,在實施了ERP解決方案之後,很多企業選擇實施資料倉儲產品來避免資訊孤島,實現應用的內部聯絡和資訊的共享。
實施資料倉儲的企業,用何種標準去衡量本企業的資料倉儲建模是成功的呢?也許很多負責企業資訊化建設的主管自己也不是很清楚。原因是:起初企業決定要實施資料倉儲的初衷大都因為一些跨模組的報表開發不能夠實現,企業實施了ERP之後,財務報表,銷售分析的報表都很容易可以透過報表開發實現了,但一些跨模組的整合報表變得十分複雜,例如一個服裝製造企業,高層主管需要看到每個零售店鋪的銷售淨利潤,但零售店鋪的幾乎所有資訊都在零售系統中,而財務的相關資訊在企業的ERP中,此時就需要將資訊整合在企業級的中央資料倉儲中,去滿足此類整合的報表資料需求。在資料倉儲的建模過程中,實施人員往往會從滿足報表需求的角度出發,考慮如何搭建資料模型,而專案實施成功後的交付品就是實現了這樣的報表需求,資訊化主管此時也滿意的結束了資料倉儲的專案,這樣就算是成功的實施了資料倉儲建模嗎?
請各位思考以下幾點問題:
1、隨著競爭加劇,企業也需要加速改變架構及行銷策略,如果企業組織架構發生了變化,也就意味著資料倉儲中的主資料發生了變化,目前的模型中是否能靈活應對主資料的變化?
2、隨著企業業務量的上升,源系統中的資料量也增大,資料倉儲在抽取資料的過程中是否會降低業務系統的執行效率?
3、不同的業務資料來源是否能夠重複利用,如果有新增的報表需求,能否在現有建模的基礎上靈活實現?
以上提到的幾個問題與資料建模的思想息息相關,運用的得當,則企業在現在及未來都獲益不少,否則,對於企業而言可能在兩三年,甚至幾個月後就需要推到現行的專案重新要在軟、上投資了。
針對上述問題,資料倉儲領域提出了EDW的資料建模思想,透過資料分層和在資料倉儲中保留企業的範圍內一致的原子層資料為企業建立靈活,可靠的資料倉儲解決方案。
EDW的建模思想將資料倉儲區分為三個層次:
一、Extract Layer(資料提取層)
SAP BW將資料倉儲的資料來源分為兩種:SAP 資料來源和Non-SAP 資料來源。SAP BW和mysap.com的元件完全整合,將各元件的資料來源由預定義的提取機構及程式傳輸到BW的資料提取層。對於Non-SAP的資料來源,BW有開放的架構,透過BAPI介面傳輸資料。
提取層的資料保留了來自源系統的原始資料,儲存在二維的表中,以便於下一步的資料清洗、整合。其優點是:一次抽取到BW後,如果模型作了更改,不需要重複去源系統中抽取,而直接從BW表中抽取,提高資料倉儲的提取效率,降低對源系統的資源佔用,解決了上述第二個問題。
二、Integration Layer(資料合併層)
將提取層的原始資料進行清洗和整合,其實質就是建立資料來源之間的關聯,把有用的相關資料統一放在二維表中,例如:把FI/CO的資料來源整合到一個表中,以便於下一層的建模的使用。資料合併層能夠將提取層的原始資料自由組合,滿足多變的業務需求,解決了上述第一個問題
三、Data Mart Layer(資料集市層)
最終的報表將在這層模型上建立,所以,該層將使用星型資料模型(BW中稱之為InfoCube)建立不同的分析緯度,提高查詢的效率。
資料上載的流程從源系統到資料提取層,在由資料合併層清洗、整合後傳輸到資料集市層建立多維模型。EDW建模思想的優勢在於:將未來企業可能發生的業務變化,用三個層面的模型靈活處理。例如:當企業組織架構變化,即主資料發生變化後,BW可以在資料合併層應對主資料的變化。
[@more@]來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/132884/viewspace-976772/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- Linux獲利新領域—資料倉儲 (轉)Linux
- 資料倉儲中商務智慧的基本概念
- DAO模式是不是就是領域建模中的倉儲?模式
- 劉思喆:R 語言在電子商務領域的應用
- 資料倉儲和商業智慧領域的又一部經典著作——《DW 2.0:下一代資料倉儲的構架》
- 人工智慧商務服務領域應用前景演講(附PPT)人工智慧
- 資料倉儲建模方法論
- 初識ABP vNext(11):聚合根、倉儲、領域服務、應用服務、Blob儲存
- 資料倉儲和商業智慧(徵文活動)
- 資料倉儲邏輯建模(ZT)
- 資料倉儲商業智慧的關鍵--資料質量管理
- 利用Data vault對資料倉儲建模
- 資料倉儲維度建模入門
- 資料倉儲維度建模筆記筆記
- 資料倉儲應該用什麼方案——資料倉儲實施方案概述
- 在資料倉儲建模時,應該使用哪種資料型別的度量值資料型別
- 雲資料建模:為資料倉儲設計資料庫資料庫
- 關於資料建模(面向ER)和領域模型建模(面向OO)在企業應用中的作用的討論模型
- 人工智慧在辦公領域的應用及API資料返回人工智慧API
- 大資料分析應用的九大領域大資料
- 社交資料在徵信領域的應用探索
- 第二篇:資料倉儲與資料集市建模
- 基於COLA架構建立運輸微服務應用和DDD領域建模架構微服務
- 資料倉儲指南 (轉)
- 人工智慧的應用領域有哪些?人工智慧
- 商業智慧BI的資料建模技術
- 分層架構在資料倉儲的應用架構
- 大資料在教育領域如何應用?大資料
- 用形而上學進行領域建模
- 領域服務與應用服務的職責
- 領域服務和應用服務的差別?
- Oracle-業務分析領域最全面的商務智慧Oracle
- 利用Data Vault對資料倉儲進行建模(二)
- 資料倉儲設計(轉)
- ClickHouse在大資料領域應用實踐大資料
- 非同步架構思維:使用Akka實現領域建模非同步架構
- 資料倉儲專題19-資料建模語言Information Engineering - IE模型(轉載)ORM模型
- 未來大資料的主要應用領域包括哪些大資料