home

หน้าแรก
 Computer >> บทช่วยสอนคอมพิวเตอร์ >  >> การเขียนโปรแกรม >> การเขียนโปรแกรม

กระบวนการออกแบบ Data Warehouse คืออย่างไร?

Data Warehouse สร้างได้ด้วย 3 แนวทาง:

  • แนวทาง Top-down (ลงจากบนลงล่าง)
  • แนวทาง Bottom-up (ขึ้นจากล่างขึ้นบน)
  • การรวมทั้งสองแนวทาง

Top-down: เริ่มจากการออกแบบและวางแผนเต็มรูปแบบ เหมาะกับกรณีที่เทคโนโลยีซับซ้อนและคุ้นเคย และปัญหาธุรกิจที่ต้องแก้ไขชัดเจน เข้าใจดี

Bottom-up: เริ่มจากทดลองและต้นแบบ (Prototypes) เหมาะกับขั้นตอนต้นของการสร้างแบบจำลองธุรกิจและพัฒนาเทคโนโลยี ช่วยให้องค์กรก้าวหน้าได้ในต้นทุนต่ำกว่า และประเมินประโยชน์ของเทคโนโลยีก่อนลงทุนใหญ่

แนวทางรวม: ให้องค์กรใช้ประโยชน์จากลักษณะวางแผนเชิงกลยุทธ์ของ Top-down พร้อมรักษาความรวดเร็วและโอกาสของ Bottom-up

ขั้นตอนการออกแบบ Data Warehouse โดยทั่วไป

  1. เลือกกระบวนการธุรกิจที่จะสร้างแบบจำลอง: เช่น คำสั่งซื้อ, ใบแจ้งหนี้, การจัดส่ง, สต็อกสินค้า, บัญชี, ยอดขาย, General Ledger หากกระบวนการเป็นระดับองค์กรและซับซ้อนหลายชุดวัตถุ ใช้ Data Warehouse Model แต่ถ้าเป็นระดับแผนกและเน้นวิเคราะห์กระบวนการธุรกิจประเภทเดียว ต้องเลือก Data Mart Model
  2. เลือกระดับรายละเอียด (Grain) ของกระบวนการธุรกิจ: Grain คือ ระดับพื้นฐอน tử (Atomic Level) ของข้อมูลที่จะแสดงใน Fact Table เช่น ธุรกรรมรายราย, Snapshot รายวัน ฯลฯ
  3. เลือกมิติ (Dimensions) ที่ใช้กับแต่ละบันทึก Fact Table: มิติทั่วไป: เวลา (Time), สินค้า (Item), ลูกค้า (Customer), ผู้จัดหา (Supplier), คลัง (Warehouse), ประเภทธุรกรรม (Transaction Type), สถานะ (Status)
  4. เลือก Measures (ตัววัด) ที่จะเติมในแต่ละบันทึก Fact Table: Measures ทั่วไป: ปริมาณเชิงตัวเลขที่บวกกันได้ (Numeric Additive) เช่น ยอดขาย (Dollars-sold), จำนวนหน่วยขาย (Units-sold)

หลังออกแบบและสร้าง Data Warehouse การปรับใช้งานครั้งแรก (Deployment) ประกอบด้วย: การติดตั้งเริ่มต้น, วางแผนการเปิดตัว (Rollout), การฝึกอบรม, การแนะนำ (Orientation) การอัปเดตแพลตฟอร์มและการบำรุงรักษาควรคำนึงถึงด้วย

การบริหารจัดการ Data Warehouse

รวมถึง: การรีเฟรชข้อมูล (Data Refreshment), การซิงโครไนซ์แหล่งข้อมูล (Data Source Synchronization), วางแผน Disaster Recovery, จัดการ Access Control และ Security, จัดการการเติบโตของข้อมูล (Data Growth), จัดการประสิทธิภาพฐานข้อมูล, การปรับปรุงและขยาย Data Warehouse

การจัดการขอบเขต (Scope Management)

ควบคุมจำนวนและช่วงของ Queries, Dimensions, Documents; จำกัดขนาด Data Warehouse; หรือจำกัดตารางเวลา, งบประมาณ, ทรัพยากร

เครื่องมือออกแบบ Data Warehouse

มีหลายประเภท เครื่องมือพัฒนา Data Warehouse รองรับฟังก์ชัน: กำหนดและแก้ไขเนื้อหา Metadata Repository (Schemas, Scripts, Rules), ตอบคิวรี่, ส่งออกรายงาน, ส่ง Metadata ไป/มาจาก Catalogs ของ RDBMS

เครื่องมือวางแผนและวิเคราะห์ (Planning and Analysis Tools): ศึกษาผลกระทบของการเปลี่ยนแปลง Schema และประสิทธิภาพ Refresh เมื่อเปลี่ยนอัตรา Refresh หรือ Time Windows