DATA WAREHOUSE KONSEP Konsep dasar data warehouse adalah perbedaan antara data dan informasi. Data terdiri dari fakta-fakta yang dapat diamati dan direkam yang sering ditemukan dalam sistem operasional atau transaksional. Di Rutgers, sistem ini mencakup data pendaftar pada siswa (dikenal luas sebagai SRDB), manusia sumber daya dan penggajian database, data kursus penjadwalan, dan data pada bantuan keuangan. Dalam data warehouse lingkungan, data hanya datang untuk memiliki nilai bagi pengguna akhir ketika ia diorganisir dan disajikan sebagai informasi. Informasi adalah sebuah koleksi terintegrasi dari fakta dan digunakan sebagai dasar untuk pengambilan keputusan. Sebagai contoh, unit akademis perlu memiliki informasi diakronis tentang luasnya dari keluaran instruksional anggota fakultas yang berbeda untuk mengukur apakah hal ini menjadi lebih atau kurang tergantung pada paruh waktu fakultas. DATA WAREHOUSE DEFINISI Data warehouse adalah bagian dari sebuah Data Lingkungan keseluruhan architected yang berfungsi sebagai single terpadu sumber data untuk pengolahan informasi. Data warehouse memiliki karakteristik tertentu yang meliputi: Subyek Berorientasi: Informasi disajikan berdasarkan subyek tertentu atau bidang yang diminati, tidak hanya sebagai file komputer. Data dimanipulasi untuk memberikan informasi tentang topik tertentu. Untuk Misalnya, SRDB tidak hanya diakses oleh pengguna-akhir, namun disediakan struktur dan terorganisir sesuai dengan kebutuhan tertentu. Terintegrasi: Sebuah sumber tunggal informasi untuk dan tentang memahami beberapa daerah kepentingan. Itu data warehouse menyediakan one-stop shopping dan berisi informasi tentang berbagai mata pelajaran. Demikian gudang OIRAP data yang memiliki informasi tentang mahasiswa, staf pengajar dan staf, beban kerja instruksional, dan mahasiswa hasil. Non-Volatile: informasi Stabil yang tidak berubah setiap kali proses operasional dijalankan. Informasi konsisten terlepas dari kapan gudang diakses. Time-variant: Mengandung sejarah subjek, serta informasi saat ini. Historis informasi merupakan komponen penting dari gudang data. Diakses: Tujuan utama dari data warehouse adalah untuk memberikan informasi mudah diakses pengguna akhir. Proses Berorientasi: Penting untuk melihat data pergudangan sebagai proses untuk pengiriman informasi. Pengurusan suatu gudang data sedang berlangsung dan berulang di alam. Definisi lain
Data Warehouse: Sebuah struktur data yang dioptimalkan untuk distribusi. Ini mengumpulkan dan menyimpan terintegrasi set data historis dari sistem operasional ganda dan feed mereka untuk satu atau lebih data mart. Itu juga dapat memberikan pengguna akhir akses untuk mendukung pandangan perusahaan dari data. Data Mart: Sebuah struktur data yang dioptimalkan untuk akses. Hal ini dirancang untuk memudahkan pengguna akhir analisis data. Ini biasanya mendukung aplikasi tunggal analitik digunakan oleh satu set yang berbeda dari pekerja. Staging Area: Setiap toko data yang dirancang terutama untuk menerima data ke dalam lingkungan pergudangan. Operational Data Store: Kumpulan data yang memenuhi kebutuhan operasional operasional berbagai unit. Ini bukan komponen dari arsitektur data warehouse, tapi solusi untuk kebutuhan operasional. OLAP (On-Line Analytical Processing): Sebuah metode yang analisis multidimensi terjadi. Multidimensional Analisis: Kemampuan untuk memanipulasi informasi dengan berbagai kategori yang relevan atau "dimensi" untuk memfasilitasi analisis dan pemahaman tentang data yang mendasarinya. Hal ini juga kadang-kadang disebut sebagai "pengeboran-down", "pengeboran-di" dan "mengiris dan dicing" Hypercube: Sebuah cara visual mewakili data multidimensi. Bintang Schema: Sebuah cara untuk menggabungkan data berdasarkan satu set dimensi yang dikenal. Itu menyimpan data multidimensional dalam Sistem Manajemen Database dua dimensi relasional (RDBMS), seperti Oracle. Snowflake Schema: Sebuah perpanjangan dari skema bintang dengan cara menerapkan dimensi tambahan untuk dimensi skema bintang dalam lingkungan relasional. Database multidimensi: Juga dikenal sebagai MDDB atau MDDBS. Sebuah kelas eksklusif, nonrelasional alat manajemen database yang menyimpan dan mengelola data secara multidimensi, yang bertentangan dengan dua dimensi yang terkait dengan tradisional sistem manajemen database relasional. OLAP Tools: Satu set produk perangkat lunak yang mencoba untuk memudahkan analisis multidimensi. Bisa menggabungkan akuisisi data, akses data, manipulasi data, atau kombinasi dari semuanya. PERBANDINGAN DATA WAREHOUSE DAN DATA OPERASIONAL BAGAIMANA GUDANG PERBEDAAN? Data warehouse adalah jelas berbeda dari data operasional digunakan dan dikelola oleh hari-hari operasional sistem. Data pergudangan adalah tidak hanya sebuah "akses wrapper" untuk data operasional, di mana data hanya "dibuang" ke dalam tabel untuk akses langsung. Di antara perbedaan: OPERASIONAL DATA DATA DW aplikasi berorientasi subjek berorientasi rinci diringkas, jika tidak disempurnakan akurat, pada saat akses tersebut merupakan nilai dari waktu ke waktu, foto
melayani komunitas ulama melayani masyarakat manajerial dapat diperbarui tidak diperbarui berjalan berulang-ulang dan nonreflectively menjalankan heuristik persyaratan untuk diproses dipahami sebelum awal pengembangan persyaratan untuk memproses tidak sepenuhnya dipahami sebelum pengembangan kompatibel dengan Hidup Pengembangan Perangkat Lunak Siklus sekali berbeda siklus hidup kinerja sensitif (langsung respon diperlukan ketika memasuki transaksi) kinerja santai (kedekatan tidak diperlukan) diakses unit pada suatu waktu (jumlah data yang terbatas elemen untuk data tunggal) diakses set per satu (banyak catatan data banyak elemen) transaksi berbasis analisis didorong kontrol memperbarui perhatian utama dalam hal kepemilikan kontrol memperbarui masalah tidak ketersediaan ketersediaan tinggi santai dikelola secara keseluruhan dikelola oleh himpunan bagian nonredundancy redundansi adalah fakta kehidupan statis struktur; isi variabel struktur yang fleksibel kecil jumlah data yang digunakan dalam sejumlah proses besar data yang digunakan dalam proses Para Data Warehousing Proses - Bagian 1 Tentukan Persyaratan Informational • Mengidentifikasi dan menganalisis kemampuan informasi yang ada. • Identifikasi dari pengguna kunci pertanyaan-pertanyaan bisnis yang signifikan dan metrik kunci yang target pengguna. kelompok menganggap sebagai kebutuhan mereka yang paling penting untuk informasi. • membusuk metrik ini menjadi bagian-bagian komponennya dengan definisi tertentu. • Peta bagian komponen dengan model informasi dan sistem rekaman. Para Data Warehousing Proses - Bagian 2 Evolusi dan Iteratif Proses Pengembangan Ketika Anda mulai mengembangkan kenaikan pertama gudang data, arsitektur yang baru dan segar. Dengan kelipatannya kedua dan selanjutnya, berikut ini adalah benar: • Mulailah dengan satu mata pelajaran (atau subset atau superset) dan satu kelompok sasaran pengguna. • Melanjutkan dan menambahkan bidang studi, kelompok pengguna dan kemampuan informasi untuk arsitektur berdasarkan kebutuhan organisasi untuk informasi, bukan teknologi. • Perbaikan terbuat dari apa yang telah dipelajari dari kenaikan sebelumnya.
• Perbaikan terbuat dari apa yang telah dipelajari tentang operasi gudang dan dukungan. • Lingkungan teknis mungkin telah berubah. • Hasil terlihat sangat cepat setelah setiap iterasi. • persyaratan akhir Pengguna diperhalus setelah setiap iterasi. Data Warehousing merupakan suatu proses evolusi / iteratif yang mengikuti pola spiral • Arsitektur gudang awalnya dikembangkan di awal. • Selisih pertama dikembangkan berdasarkan arsitektur. • Membangun kenaikan pertama menyebabkan perubahan arsitektur. • Pengoperasian gudang membawa perubahan arsitektur. • Setiap kenaikan tambahan meluas gudang. • Setiap kenaikan baru dapat menyebabkan penyesuaian arsitektur. • Operasi Lanjutan dapat menyebabkan penyesuaian arsitektur. Memperluas Ruang Lingkup Mulai dari proyek Arus Status Mengenali Perlu Rencana fase berikutnya Membangun Disain Pelajari dan memodifikasi awal persyaratan Menyebarkan, dan Menggunakan Uji Sumber Data Metode Akses (Lihat terlampir) Sistem Anggaran Personil MOBIL CAS FAMS NJAS Kursus Penjadwalan SRDB Fakultas Survei Lulus Sekolah Program PASTI Finansial
Akuntansi Sistem Sistem Penggajian Referensi Data Laporan / Cube Server Distribusi Database OLAP Services Jasa Data Mart: SRDB Tentu saja analisis yang digunakan Sistem Sumber Daya Manusia Kursus Penjadwalan PASTI OLAP Pengguna: Akses yang telah ditetapkan pemandangan Data kubus Dipersiapkan oleh Michael J. Cullinan, Application Developer, OIRAP Kantor Penelitian Kelembagaan dan Perencanaan Akademik Gudang Data Teknis Arsitektur Desain OLAP Alat Pengguna ODBC Power Users - mengembangkan ad-hoc query dan laporan. menggunakan Access Laporan Pengguna Dan Buat Data File Eksplorasi Data Warehouse Multi-dimensi kubus dibuat meliputi: Pendaftaran Gelar Wisuda Waktu untuk tingkat Retensi Tarif Wisuda Tarif Instruksional Beban Kerja Fakultas Analisis ETL Layanan OLAP Pengembang: membangun OLAP pandangan kubus Data OLAP Alat Pengguna Cubes dibangun dari data mart Web Browser Web Browser Laporan dibangun dari data mart
Laporan dibuat meliputi: Fakta Buku Instruksional Beban Kerja GUDANG ATAS mengisi PROSES Sebuah gudang data dihuni melalui serangkaian langkah-langkah yang 1) Hapus data dari lingkungan sumber (ekstrak). 2) Mengubah data untuk karakteristik yang diinginkan telah gudang seperti subjek-orientasi dan waktu-varians (Transform). 3) Tempatkan data ke dalam lingkungan target (beban). Proses ini diwakili oleh ETL singkatan dari Extract, Transform dan Load. Kompleksitas Transformasi dan Integrasi • Ekstraksi data dari lingkungan operasional ke lingkungan gudang data membutuhkan perubahan teknologi. • Pemilihan data dari lingkungan operasional mungkin sangat kompleks. • Data diformat ulang. • Data adalah dibersihkan. • Beberapa sumber input data ada. • nilai-nilai default harus disediakan. • Summarization data yang sering perlu dilakukan. • catatan masukan yang harus dibaca memiliki format "eksotis" atau tidak standar. • Data konversi format harus dilakukan. • volume besar-besaran input harus dipertanggungjawabkan. • Mungkin yang terburuk dari semua: hubungan Data yang telah dibangun ke dalam logika program warisan lama harus dipahami dan terurai sebelum file tersebut dapat digunakan sebagai masukan. Gudang Data Tools / Software Komponen Produk yang digunakan oleh Penelitian Kelembagaan Komponen Keterangan Crystal Reports Pelaporan Membuat laporan gaya presentasi dengan grafik dan grafik. Dapat digunakan untuk mengakses semua jenis sumber data. Query Access 2000 Buat kompleks ad-hoc query terhadap berbagai sumber data menggunakan akses ODBC untuk database DW. Mampu ekspor ke jenis lain format seperti teks file, OLAP Kristal Analisis Profesional Akses data batu untuk merancang pandangan untuk poros, filter dan agregat pada fakta yang telah ditetapkan dimensi untuk khusus subjek bidang seperti pendaftaran, derajat diberikan, dll Data Pertambangan / statistik Analisa
SAS Analisis statistik menggunakan akses ODBC untuk IR DW database. Direkomendasikan Persyaratan Sistem Untuk Web Access Internet Explorer untuk menggunakan OLAP kontrol berbasis web ActiveX Perbanyak video untuk 1024 X 768 untuk ruang pandang yang lebih
