Data Warehousing ist ein Thema der Debatte mit zwei großen Denkschulen . Wenn Sie die Implementierung eines Data Warehouse und betrachten sich fragen, wo zu beginnen , halten Sie sich für eine Herausforderung, die Ihren Mut testen. Sie müssen eine dicke Haut , um die Prozesse multifacted navigieren. Die Belohnungen nicht unbedingt erkennbar ist , und der Prozess kann sogar schmerzhaft sein. Wenn Sie entstehen können unversehrt und am Ende mit einem Data Warehouse , können Sie irgendwo landen in den Annalen der Geschichte der Informationstechnologie . Anleitung
1
auswählen Data Warehouse Implementierung. Tun Sie dies durch das Verständnis der Konzepte eines Data Warehouse (DW) . Es ist zunächst wichtig zu verstehen, dass es nie eine one-size- fits-all Situation . Die Erforschung der unterschiedlichen Denkschulen und unterschiedliche Ansätze helfen Ihnen "entdecken" den besten Ansatz für die beabsichtigte Umsetzung. Das Thema ist komplex. Studieren Sie die Volumina von Material gewidmet DW Konzepte. Lernen Sie aus den Fehlern , die zu den Experten durch das Studium DW warum Projekte scheitern , sind bekannt. Lesen Sie die Werke der beiden Hauptakteure in DW Theorie , Bill Inmon und Ralph Kimball .
2
Verstehen Sie die Datenmodellierung Ansatz, der die ausgewählten DW Umsetzung entspricht. Studieren Sie die relationale Modell oder Entity-Relationship (ER) -Modell von EF Codd , wenn die Wahl Inmon Ansatz . Studieren Sie die dimensionale Modell der Wahl , wenn Kimball Ansatz . Datenmodellierung ist extrem wichtig in DW . Verstehen Sie die entsprechenden Daten -Modell und lernen, wie es mit jedem DW Umsetzung funktioniert.
3
Fassen Sie die Methodik der Inmon und Claudia Imhoff . Inmon wird als "The Father of Data Warehousing " und Imhoff erstellt dem Corporate Information Factory (CIF) . Inmon Top -down-Ansatz wird verwendet, um eine auf das Unternehmen DW Umfang zu bauen. Ordnen Sie die Geschäftsfelder , um Geschäftsprozesse im Unternehmen. Capture-Transaktionen in einem Operational Data Store (ODS) zusammen mit anderen relevanten Quellen . Reinigen Sie die Daten in einem Daten- Staging-Bereich für die Konsistenz und die einfache Beladung in das Unternehmen DW . Später fügen Sie einzelne Data Marts auf die unterschiedlichen Bedürfnisse des Unternehmens für Abfragen und Berichte dienen .
4 Kimball Methodik verwendet einen Bottom- up-Ansatz .
Fassen Sie die Methodik von Kimball Bottom- up-Ansatz . Kimball wird als " Der Vater von Business Intelligence . " Dieser Ansatz extrahiert Daten aus den Quellsystemen ( legacy) zu einem Daten- Staging-Bereich zum Laden in DW Präsentation Server . Einer nach dem anderen bauen Präsentation Server, Data Marts als bekannt , die bereit sein, nach Abschluss jeder der Geschäftsfelder unterstützen. Die Data Marts werden in einen Bus Informationen , die von den Business-Anwender auf Abfragen und Berichterstellung zugegriffen wird integriert.
5 Das Verfahren kann zum Erfolg führen .
Erwarten Sie in berauschenden Debatten mit Datenmodellierer und Business-Anwender zu engagieren. Seien Sie bereit, zu verstehen , dass viele Menschen keine Kenntnis von der Komplexität des Data Warehousing , Datenmodellierung oder der Sprache haben. Beheben von Problemen durch eine Überprüfung des DW -Design mit den Kunden und die Einstellung Meilensteine . Vermeiden Umfang kriechen durch Schließen die Anforderungen gesammelt , idealerweise vor der Entwicklung beginnt , und haben die Business-Anwender abmelden auf dem Konsens . Bleiben Sie auf Zeitplan , und Erfüllung der Verpflichtungen mit einem Backup- Plan in Kraft , Ziele zu gewährleisten erfüllt sind.
