목적:

누락된 값 처리

시끄러운 데이터 처리

목적: 여러 데이터 소스의 데이터 통합

목적: 데이터를 보다 정확하게 표현하기

데이터 큐레이션 전략

데이터를 표준화, 이산화하고 개념적으로 계층화하기 위해 수행되는 작업입니다.

데이터 변환 방법

데이터 표준

메타데이터 관리

데이터 품질

데이터 서비스

테마는 분석과 의사결정의 목표와 요구사항을 의미하며, 업무 요구에 따라 의사결정자가 제안하고 궁극적으로 의사결정자에게 서비스를 제공하기 위해 구현됩니다.

주제 중심이란 데이터웨어 하우스의 데이터를 찾아야하는 주제의 필수 구성을 나타냅니다.

일반적으로 은행에 적용되는 주제는 다음과 같습니다.

데이터 웨어하우스 구축은 일반적으로 가장 복잡하고 중요한 단계입니다.

분석과 의사결정에는 분석, 비교, 식별을 위한 많은 양의 데이터가 필요합니다.

여러 데이터 소스 간의 데이터에는 중복과 불일치가 많이 있습니다. 체계적인 처리와 정리를 통해서만 다음 단계의 통합을 수행할 수 있습니다.

데이터가 웨어하우스에 들어간 후에는 상대적으로 장기간 안정적으로 보관되어야 하며 이는 올바른 의사결정을 위한 기본 조건입니다.

대부분의 데이터베이스 작업은 수정 및 삭제가 거의 없는 쿼리입니다.

데이터 웨어하우스 분은 과거 시간 상태를 반영하는 데이터 정보를 저장하며 특정 이벤트 순서에 따라 단계적으로 저장되어야 합니다.

(1) 치수

(2) 차원 수준

(3) 차원 멤버

(4) 측정

(5) 다차원 데이터 수집

(6) 데이터 유닛

(1) 신속성

(2) 분석성

(3) 다차원성

(4) 유익한 정보

기술적 타당성

경제성

운영 타당성

(1) "무엇을 해야 하는가"

(2) "어떻게 할 것인가"

(3) "필요한 것"

포스트 소스 레이어: 소스 시스템 데이터 로딩

테마 레이어: 데이터 처리를 통해 세부 이력 데이터, 고객 정보, 계정 정보, 거래 데이터 등이 테마에 따라 저장됩니다.

요약 레이어: 계정 정보 및 고객 정보에 따라 정기적으로 요약됩니다.

애플리케이션 레이어: 마지막으로 애플리케이션 분석에 필요한 데이터가 구성되어 저장됩니다.

데이터 웨어하우스 구축이 축적됨에 따라 특성에 맞는 성숙한 데이터 웨어하우스 데이터 모델을 형성하는 것이 필요합니다.

데이터 매핑

규칙을 시행하다

(1) 정의 및 초기 측정

(2) 오류 분석 및 발견

(3) 문제의 원인을 찾아라

(4) 품질 문제 해결

(5) 개선과정 모니터링

통합 데이터 관리 시스템 프레임워크

비즈니스 분석 요구

규제 요구

과거 데이터를 기반으로 고객에게 추가 서비스를 제공해야 할 필요성

세분성이 클수록 데이터의 세부 수준은 낮아지고 데이터의 포괄성은 높아집니다.

세분성이 작을수록 데이터의 세부 수준은 높아지고 포괄성 수준은 낮아집니다.

하향식 구조:

상향식 구조: 먼저 독자적으로 개발한 데이터 마트를 구축한 후, 이 기술을 기반으로 데이터 웨어하우스를 구축합니다.

구조는 간단하며 데이터 소스 시스템에서 얻은 데이터를 변환하여 데이터 웨어하우스에 로드한 후 데이터 웨어하우스를 통해 프런트엔드 데이터 애플리케이션에 직접 제공합니다.

글로벌 데이터 웨어하우스는 존재하지 않습니다. 데이터 처리 애플리케이션은 데이터를 호출하기 위해 하나 이상의 데이터 마트에 연결해야 합니다.

데이터 처리 애플리케이션에 연결된 통합 데이터 소스는 데이터 액세스 및 통합을 위한 규칙과 수단을 포함하고 데이터 웨어하우스 사용자에게 가상 데이터 웨어하우스 보기를 제공하는 중간 계층일 뿐입니다.