Quoi mettre dans un Data Mart - des nuls

Si un magasin de données est une version à plus petite échelle d'un entrepôt de données, la question suivante se pose: Que signifie "échelle plus petite"? d'un marché de données? La réponse à cette question est généralement que les données seront un sous-ensemble des données d'entreprise globales.

Données géographiques

Un magasin de données peut contenir uniquement les informations relatives à une zone géographique donnée, telle qu'une région ou un territoire de votre société. Cette figure illustre un exemple de données liées à la géographie.

Bien que techniquement vous puissiez utiliser un magasin de données lié à la géographie d'une manière relativement simple, vous ne voulez probablement pas sous-classer vos données de cette manière. Les utilisateurs veulent souvent voir une comparaison inter-géographique (par exemple, "Comment vont nos magasins en Arizona par rapport à nos magasins en Pennsylvanie?") Dans leur environnement d'entrepôt de données. Lorsque vous créez des centres de données distincts pour diverses raisons géographiques, ces types de comparaisons deviennent beaucoup plus difficiles à faire.

Données liées à l'organisation

Lorsque vous décidez de ce que vous voulez mettre dans votre data warehouse, vous pouvez baser vos décisions sur les informations dont une organisation spécifique a besoin lorsqu'elle est la seule (ou au moins) utilisateur du magasin de données. Comme le montre cette figure, une banque peut créer un magasin de données pour l'analyse du compte de contrôle du consommateur et un autre magasin de données pour les comptes de chèques commerciaux.

Cette approche fonctionne bien lorsque l'écrasante majorité des demandes de renseignements et des rapports sont axés sur l'organisation. Par exemple, le groupe de contrôle commercial n'a absolument pas besoin d'analyser les comptes clients et vice versa.

Il est utile de creuser les besoins de l'entreprise pendant la phase de portée d'un projet d'entrepôt de données ou de magasin de données. Les utilisateurs externes, par exemple, pourraient penser: «D'accord, mettez tous les renseignements sur les comptes, consommateurs et commerciaux, dans le même environnement afin que les analystes marketing ou gestion des risques puissent générer des rapports comparant les soldes moyens et autres informations pour l'ensemble du portefeuille. à la Banque. "

Après une analyse supplémentaire, vous remarquerez peut-être que la banque ne fait pas ce type de comparaison, alors pourquoi ne pas séparer les deux domaines et éviter une complexité inutile?

Données liées à une fonction

En utilisant une approche qui dépasse les limites organisationnelles, vous pouvez établir le contenu d'un magasin de données en fonction d'une fonction spécifique (ou d'un ensemble de fonctions connexes) au sein de l'entreprise. Une entreprise chimique multinationale, par exemple, pourrait créer un data warehouse exclusivement pour les fonctions de vente et de marketing dans toutes les organisations et dans toutes les lignes de produits, comme le montre cette figure.

Données limitées par le marché

Une entreprise peut parfois être si concentrée sur un marché spécifique et les concurrents associés qu'il est judicieux de créer un data warehouse orienté vers cet objectif particulier. Comme le montre cette figure, ce type d'environnement peut inclure des ventes compétitives, toutes les informations publiques disponibles sur le marché et les concurrents (en particulier si vous pouvez trouver cette information sur Internet), et les rapports des analystes du secteur, par exemple.

Pour fournir réellement l'intelligence d'affaires dont une entreprise a besoin dans une situation de concurrence, construisez le magasin de données pour y inclure des informations multimédias, en plus des types de données traditionnels généralement trouvés dans un entrepôt de données.

Réponses à des questions commerciales spécifiques

Les réponses à un certain nombre (souvent une poignée) de questions d'affaires déterminent parfois le fonctionnement d'une organisation. Sur la base des réponses, une entreprise peut accélérer ou ralentir les chaînes de production, démarrer des quarts de travail supplémentaires pour augmenter la production ou initier des licenciements, ou décider d'acquérir d'autres sociétés.

Les questions d'affaires qui ont ce degré d'importance font traditionnellement des cauchemars pour les employés internes chargés de trouver des données et des rapports, de consolider et de vérifier l'information et de rapporter les résultats à la haute direction.

Cela ressemble à un travail pour un entrepôt de données, dites-vous? Malheureusement, les analystes commerciaux ont souvent utilisé des feuilles de calcul, telles que Microsoft Excel. Ces types de «marges étalées» manquent souvent de la répétabilité et de la qualité des données requises pour exploiter les données à plus d'un moment.

Avant de construire un entrepôt de données à grande échelle capable de répondre à ces questions (et à bien d'autres), vous voudrez probablement examiner si un data warehouse à petite échelle est conçu spécifiquement pour répondre à ces questions à haute valeur ajoutée. Comment allons nous? "Le type de questions peut faire le travail.

Plus tard, ce type d'environnement pourrait devenir un entrepôt de données à plus grande échelle. Cependant, il est souvent plus judicieux de concentrer vos efforts sur la prise en charge d'un datamart qui a une valeur commerciale, plutôt que de le compléter avec des volumes de données supplémentaires susceptibles de fournir une valeur commerciale (mais peut également ralentir le temps de réponse). architecture de bout en bout).

Encore une fois, le travail que vous faites dans les premières phases de votre projet fait une grande différence dans la direction que vous prenez et votre niveau de réussite.

Tout!

Tout ensemble de critères que vous pouvez imaginer peut déterminer le contenu d'un magasin de données. Certains ont du sens. d'autres ne le font pas. Certains vous emmènent dans une impasse architecturale parce que vous n'avez qu'une valeur limitée et que vous devez tout recommencer pour étendre vos capacités.