Wondershare EdrawMind
Galeria de mapas mentais Engenheiro de Governança de Dados DAMA-CDGA-11.
- 5
Engenheiro de Governança de Dados DAMA-CDGA-11.
O data warehouse e a inteligência de negócios permitem que as organizações integrem dados de diferentes fontes em um modelo de dados comum. Os dados integrados podem fornecer insights sobre as operações de negócios e abrir novas possibilidades para suporte a decisões corporativas e criação de valor organizacional.
Editado em 2024-03-05 20:28:30
- Microbiologia medica Infezione batterica e immunità
Microbiologia medica, Infezioni batteriche e immunità riassume e organizza i punti di conoscenza per aiutare gli studenti a comprendere e ricordare. Studia in modo più efficiente!
- teoria cinetica dei gas
La teoria cinetica dei gas rivela la natura microscopica dei fenomeni termici macroscopici e le leggi dei gas trovando la relazione tra quantità macroscopiche e quantità microscopiche. Dal punto di vista del movimento molecolare, vengono utilizzati metodi statistici per studiare le proprietà macroscopiche e modificare i modelli di movimento termico delle molecole di gas.
- Breve História do Tempo
Este é um mapa mental sobre uma breve história do tempo. "Uma Breve História do Tempo" é um trabalho científico popular com influência de longo alcance. Ele não apenas introduz os conceitos básicos da cosmologia e da relatividade, mas também discute os buracos negros e a expansão. Do universo. questões científicas de ponta, como inflação e teoria das cordas.
Engenheiro de Governança de Dados DAMA-CDGA-11.
- Microbiologia medica Infezione batterica e immunità
Microbiologia medica, Infezioni batteriche e immunità riassume e organizza i punti di conoscenza per aiutare gli studenti a comprendere e ricordare. Studia in modo più efficiente!
- teoria cinetica dei gas
La teoria cinetica dei gas rivela la natura microscopica dei fenomeni termici macroscopici e le leggi dei gas trovando la relazione tra quantità macroscopiche e quantità microscopiche. Dal punto di vista del movimento molecolare, vengono utilizzati metodi statistici per studiare le proprietà macroscopiche e modificare i modelli di movimento termico delle molecole di gas.
- Breve História do Tempo
Este é um mapa mental sobre uma breve história do tempo. "Uma Breve História do Tempo" é um trabalho científico popular com influência de longo alcance. Ele não apenas introduz os conceitos básicos da cosmologia e da relatividade, mas também discute os buracos negros e a expansão. Do universo. questões científicas de ponta, como inflação e teoria das cordas.
- Recomendado para você
- Descrição
Engenheiro de governança de dados DAMA-CDGA-16. Organização de gerenciamento de dados e expectativas de função.
- 3
11. Armazenamento de dados e inteligência de negócios
introdução
tecnologia de armazenamento de dados
Capacitar as organizações para integrarem dados de diferentes fontes num modelo de dados comum. Os dados integrados podem fornecer informações sobre as operações empresariais e abrir novas possibilidades de apoio à decisão corporativa e criação de valor organizacional.
Será também um meio de reduzir o número de empresas que constroem um grande número de sistemas de apoio à decisão?
Fornece um método para reduzir a redundância de dados, melhorar a consistência das informações e permitir que as empresas usem os dados para tomar melhores decisões
impulsionadores de negócios
Os principais motivadores para a construção de data warehouse são funções de suporte operacional, necessidades de conformidade e atividades de inteligência de negócios
A inteligência de negócios pode fornecer insights sobre organizações, clientes e produtos
As organizações que conseguem obter conhecimento para a tomada de decisões e agir através da inteligência empresarial podem melhorar a sua eficiência operacional e aumentar a sua vantagem competitiva.
A inteligência de negócios evolui da avaliação retrospectiva para a análise preditiva
Alvo
Apoiar atividades de inteligência de negócios
Capacite a análise de negócios e a tomada de decisões eficiente
Encontre métodos inovadores baseados em insights de dados
em princípio
Concentre-se nos objetivos de negócios
Garantir que o data warehouse seja usado para as mais altas prioridades da organização e resolver problemas de negócios
Comece com o fim em mente
Deixe que as prioridades de negócios e o escopo dos dados entregues impulsionem a criação de conteúdo de data warehouse
Pense globalmente, aja localmente
Deixe a visão final guiar a arquitetura e itere rapidamente através de projetos focados para construir uma entrega incremental, resultando em um retorno do investimento mais imediato.
Resumo e otimização contínua
Com base nos dados originais, resumir e agregar para atender às necessidades e garantir o desempenho, mas não substituir os dados detalhados
Melhorar a transparência e os serviços autônomos
Quanto mais rica a informação contextual, mais dados os consumidores podem obter dos dados.
Expor dados integrados e suas informações de processo às partes interessadas
Estabelecendo metadados com o data warehouse
A chave para um data warehouse bem-sucedido é a capacidade de interpretar os dados com precisão
Colaboração
Colaborar com outras atividades de dados, especialmente atividades de governança de dados, qualidade de dados e gerenciamento de metadados
Não seja o mesmo
As ferramentas e produtos certos para cada consumidor de dados
conceito básico
Inteligência Empresarial
primeiro significado
Refere-se a uma atividade de análise de dados para entender as demandas organizacionais e encontrar oportunidades
Segundo significado
Refere-se ao conjunto de tecnologias que suportam este tipo de atividade de análise de dados
base de dados
Dois componentes importantes
Um banco de dados integrado de apoio à decisão
Programas de software relacionados usados para coletar, limpar, transformar e armazenar dados de diversas operações e fontes externas
Um data mart é uma cópia de um subconjunto de dados em um data warehouse
O data warehouse inclui armazenamento de dados ou extração operacional que fornece dados para apoiar o alcance de quaisquer metas de business intelligence
Construção de armazém de dados
Refere-se ao processo operacional de extração, limpeza, conversão, controle e carregamento de dados no data warehouse
O foco do processo de construção de data warehouse é implementar um ambiente de negócios histórico e integrado em dados operacionais, aplicando regras de negócios e mantendo relacionamentos de dados de negócios apropriados.
Construção tradicional de data warehouse
Focado principalmente em dados estruturados
Inteligência de negócios moderna e armazenamento de dados
Contém dados semiestruturados e não estruturados
dados não estruturados
refere-se a dados que não podem ser predefinidos por meio do modelo de dados
Várias formas
Existe em e-mails, textos de formato livre, vídeos, páginas da web, fotos
Como construir um armazém de dados
Um deles é Bill Inmon
Inmon define um data warehouse como "uma coleta de dados históricos relativamente estável, orientada para o assunto, integrada, que muda no tempo, resumida e detalhada, que suporta a tomada de decisões gerenciais".
Use um modelo relacional normalizado para armazenar e gerenciar dados
Não afetado pelo volume de dados
Um deles é Kimball
Kimball define um data warehouse como “uma cópia de dados transacionais personalizada para consulta e análise”
modelo de dados multidimensional
Não é adequado para grandes quantidades de dados, o que pode fazer com que os dados fiquem imóveis.
terreno comum
O data warehouse armazena dados de outros sistemas
As atividades de armazenamento incluem a integração de dados de uma forma que aumenta o valor dos dados
Os data warehouses são facilmente acessíveis e analisados
As organizações constroem data warehouses porque precisam dar às partes interessadas autorizadas acesso a dados confiáveis e integrados
Existem muitos propósitos para construir um data warehouse, abrangendo suporte a fluxo de trabalho, gerenciamento de operações e análise preditiva.
foco
É BI, mas você também pode fazer IA
Fábrica de informações empresariais
A diferença entre data warehouse e sistema de negócios
Orientado por tópico
Os data warehouses são organizados com base nas principais entidades comerciais, sem foco na funcionalidade ou na aplicação.
integrado
Os dados no data warehouse são unificados e coesos
Manter as mesmas estruturas-chave, codificação e decodificação de estruturas, definições de dados e convenções de nomenclatura consistentes em todo o data warehouse
Como os dados estão integrados, o data warehouse não é simplesmente uma cópia dos dados operacionais
Em vez disso, o data warehouse torna-se um sistema de registro de dados
mudando ao longo do tempo
O data warehouse armazena dados por um determinado período de tempo
Os dados no data warehouse são como um instantâneo. Cada instantâneo reflete o status dos dados em um determinado momento.
Isso significa que uma consulta de dados baseada em um determinado período de tempo sempre obterá os mesmos resultados, independentemente de quando a consulta for realizada.
estábulo
Em um data warehouse, os registros de dados não são atualizados com tanta frequência como nos sistemas empresariais.
Em vez disso, os novos dados serão anexados apenas aos dados antigos.
Um conjunto de registros pode representar diferentes estados da mesma transação
Dados agregados e detalhados
Os dados no data warehouse incluem detalhes de transações atômicas e dados agregados.
Os sistemas empresariais raramente agregam dados
Em um data warehouse, os dados resumidos podem ser persistidos em uma tabela ou não persistentes e exibidos na forma de uma visualização.
histórico
O foco do sistema de negócios são os dados atuais
O data warehouse também inclui dados históricos, que geralmente consomem muito espaço de armazenamento
Componentes CIF
aplicativo
Aplicativo lida com processos de negócios
Dados detalhados gerados por aplicativos fluem para data warehouses e armazenamentos de dados operacionais onde podem ser usados para análise
Área de cache de dados
Um banco de dados entre o banco de dados de origem do sistema comercial e o data warehouse de destino
A área de armazenamento temporário é usada para extração, conversão e carregamento de dados e é transparente para os usuários finais.
A maioria dos dados na área de preparação é salva temporariamente e, geralmente, apenas uma parte relativamente pequena dos dados são dados persistentes.
Integrar e transformar
Na camada de integração, os dados de diferentes fontes de dados são convertidos e integrados em modelos empresariais padrão em data warehouses e ODS.
Armazenamento de Dados Operacionais (ODS)
O armazenamento de dados operacionais é um banco de dados integrado para dados de negócios
Os dados podem vir do sistema de aplicação ou de outros bancos de dados
Os armazenamentos de dados operacionais geralmente incluem dados atuais ou recentes (30 a 90 dias), enquanto os data warehouses também incluem dados históricos (geralmente de muitos anos).
Os dados no armazenamento de dados operacionais mudam rapidamente, enquanto os dados no data warehouse são relativamente estáveis.
Nem todas as organizações construirão armazenamento de dados operacionais. A existência de armazenamento de dados operacionais atende às necessidades das empresas de dados de baixa latência.
O armazenamento de dados operacionais pode ser usado como a principal fonte do data warehouse e também para auditar o data warehouse.
datamart
O data mart fornece a base para análise de dados subsequente
Os dados em questão são geralmente um subconjunto do data warehouse usado para apoiar uma análise específica ou um tipo específico de consumidor.
Data Mart Operacional (OpDM)
Data marts operacionais são data marts focados no suporte à decisão operacional
Ele busca dados diretamente de armazenamentos de dados operacionais, e não de data warehouses
Tem as mesmas características do armazenamento de dados operacionais
Contém dados atuais ou recentes que mudam com frequência
base de dados
O data warehouse fornece uma entrada unificada e integrada para dados corporativos para apoiar a tomada de decisões de gerenciamento, análise estratégica e planejamento
Os dados fluem dos armazenamentos de dados operacionais e de aplicativos para o data warehouse e depois para o data mart, geralmente em uma direção.
Dados que requerem correção (não atendem aos requisitos) terão entrada negada
Idealmente, a correção é feita em seu sistema de origem e depois recarregada através do sistema de processo ETL
Relatório operacional
Os relatórios operacionais são gerados no armazenamento de dados
Dados de referência, dados mestre e dados externos
Os dados em data warehouses e data marts são diferentes dos dados em aplicativos
Os dados são organizados por área temática e não por necessidade funcional
Dados são dados integrados, não dados isolados
Os dados são uma série ao longo do tempo, não apenas valores atuais
Os dados têm maior latência no data warehouse do que no aplicativo
Mais dados históricos estão disponíveis no data warehouse do que no aplicativo
armazém de dados multidimensional
Não é organizado pelos requisitos de normalização do modelo relacional
Um modelo multidimensional, muitas vezes chamado de esquema em estrela, consiste em tabelas de fatos e tabelas de dimensões
A tabela de fatos está relacionada a muitas tabelas de dimensões e toda a imagem parece estrelas.
Múltiplas tabelas de fatos compartilharão dimensões comuns ou consistentes através de um "barramento", semelhante ao barramento de um computador
Vários data marts podem ser integrados em um data mart de nível empresarial inserindo barramentos que seguem dimensões.
O banco de dados de Kimball é mais escalonável que o banco de dados de Inmon
componentes
sistema de origem de negócios
área de armazenamento de dados
Área de exibição de dados
Ferramentas de acesso a dados
Componentes da arquitetura de data warehouse
processo
Fluxos de sistemas de origem para armazenamentos de dados onde os dados podem ser limpos e enriquecidos quando integrados e armazenados em um data warehouse ou armazenamento de dados operacionais
Em um data warehouse, os dados podem ser acessados por meio de data marts ou cubos de dados para gerar vários relatórios.
Diferenças no processo de big data
Embora a maioria dos armazéns integre os dados antes de colocá-los nos relatórios, as soluções de big data carregam os dados antes de integrá-los
Além de vários tipos tradicionais de relatórios, o big data business intelligence também pode incluir análise preditiva e mineração de dados.
sistema de origem
Inclui sistemas de negócios e dados externos para fluir para o ambiente de data warehouse/business intelligence
Incluindo sistema de gerenciamento de relacionamento com o cliente, sistema financeiro, sistema de recursos humanos, serviços DaaS externos, etc.
O data warehouse deve ter
integração de dados
Inclui extração, transformação e carregamento, virtualização de dados e outras técnicas para converter dados em um local em um formato comum
O data warehouse deve ter
área de armazenamento de dados
cache de armazenamento
A área de preparação é uma área intermediária de armazenamento de dados entre a fonte de dados e o repositório de dados centralizado
É aqui que os dados residem brevemente para que possam ser transformados, integrados e preparados para carregamento no data warehouse
Dados de referência e dimensões de consistência de dados mestre
Dados de referência e dados mestre podem ser armazenados em repositórios separados
O data warehouse fornece dados para os dados principais e este repositório separado fornece os mesmos dados dimensionais para o data warehouse
armazém central de dados
O data warehouse deve ter
Após a conclusão do processo de transformação e preparação, os dados no data warehouse geralmente são retidos em uma camada central ou atômica
Esta camada retém todos os dados atômicos históricos, bem como os dados instanciados mais recentes após a execução do lote
Armazenamento de dados operacionais ODS
Pode oferecer suporte a latência mais baixa, para que possa oferecer suporte a aplicativos de negócios
Como os armazenamentos de dados operacionais contêm uma janela de tempo de dados em vez de todo o histórico, eles podem ser atualizados a uma taxa mais rápida do que um armazém de dados.
datamart
Geralmente é usado como a camada de apresentação do ambiente de data warehouse e também para apresentar subconjuntos de nível de departamento ou funcional do data warehouse para relatórios, consultas e análises de informações históricas.
Os data marts têm como alvo uma área específica, um único departamento ou um único processo de negócios
Também pode ser a base para um data warehouse virtualizado, com os data marts combinados formando a entidade final do data warehouse.
cubo de dados
Existem três métodos clássicos para implementar sistemas que suportam análise e processamento online
Baseado em banco de dados relacional
Baseado em banco de dados multidimensional
banco de dados híbrido
Como carregar
Existem dois tipos principais de processamento de integração de dados envolvidos
data histórica
Normalmente só precisa ser carregado uma vez ou um número limitado de vezes para lidar com problemas de dados e nunca mais ser carregado.
Atualizações contínuas de dados
Planejamento e execução consistentes são necessários para garantir que o data warehouse contenha os dados mais recentes
data histórica
Uma vantagem de um data warehouse é que ele captura um histórico detalhado dos dados armazenados
Captura de dados de alteração em lote
Normalmente, o data warehouse realiza um serviço de carregamento de dados por meio de uma janela de processamento em lote todas as noites.
Carimbo de data e hora ou carregamento de tabela de log são as técnicas mais comuns
A carga total é usada ao lidar com sistemas legados sem recursos nativos de registro de data e hora ou determinadas condições de recuperação em lote.
Carregamento de dados quase em tempo real e em tempo real
O surgimento da inteligência de negócios operacional (ou análise operacional) impulsiona a necessidade de menor latência, integrando mais dados em tempo real ou quase em tempo real em data warehouses, e surgem novas abordagens arquitetônicas para lidar com dados propensos a mudanças.
Alternativas ao processamento em lote atendem aos requisitos de latência de disponibilidade de dados cada vez mais curtos em data warehouses. Existem três alternativas principais: carregamento lento, mensagens e streaming. Elas têm posições diferentes onde os dados se acumulam enquanto aguardam para serem processados.
Transmissão lenta (acúmulo de fonte)
Ao contrário do carregamento noturno em lote em janela, o carregamento lento carrega em um ritmo mais frequente ou de maneira limite
Este método permite que você execute algumas operações de processamento em lote durante o dia sem precisar se concentrar em uma janela dedicada de processamento em lote à noite.
Transferência de mensagens (acumulação de barramento)
A interação de mensagens em tempo real ou quase em tempo real é muito útil quando datagramas muito pequenos são publicados no barramento de mensagens.
Os sistemas de origem e destino são independentes um do outro
Frequentemente usado em aplicativos DaaS
Streaming (acúmulo de destino)
Ao contrário do carregamento temporal ou limite na origem, o sistema de destino coleta dados em um buffer ou fila e os processa sequencialmente.
Atividade
Entenda as necessidades
Definir e manter arquitetura de data warehouse/business intelligence
Determinar a arquitetura da tecnologia de data warehouse/business intelligence
Identificar processos de gerenciamento de data warehouse/business intelligence
Desenvolva data warehouses e data marts
De modo geral, os projetos de construção de data warehouse/business intelligence têm três vias de construção coexistentes.
dados
Dados necessários para apoiar a análise de negócios
Esta trilha envolve identificar as melhores fontes de dados e projetar regras sobre como modificar, transformar, integrar, armazenar e disponibilizar os dados para aplicativos.
tecnologia
Sistemas e processos de back-end para dar suporte ao armazenamento e migração de dados
ferramentas de inteligência de negócios
O conjunto de aplicativos necessários para que os consumidores de dados obtenham insights de dados significativos a partir de produtos de dados implantados
Mapear origem para destino
Corrija e transforme dados
Carregar armazém de dados
Implementar um portfólio de business intelligence
Agrupar usuários conforme necessário
Combine as ferramentas com os requisitos do usuário
Manter produtos de dados
Visão geral
Um data warehouse bem construído e uma ferramenta de business intelligence voltada para o cliente são um produto de dados
Melhorias (extensões, adições ou modificações) nas plataformas de data warehouse existentes devem ser implementadas de forma incremental
Manter o escopo de um incremento e o caminho crítico para a execução de itens de trabalho específicos pode ser um desafio em um ambiente de trabalho em constante mudança
A priorização deve ser estabelecida em conjunto com os parceiros de negócios e focar nos esforços que devem ser potencializados
Gerenciamento de liberação
O gerenciamento de versões é fundamental para codificar o processo de desenvolvimento, adicionar novos recursos, aprimorar as implantações de produção e garantir que a manutenção regular seja fornecida para os ativos implantados.
Este processo manterá o data warehouse atualizado, limpo e funcionando de maneira ideal
Este é um trabalho de melhoria contínua
Gerenciando o ciclo de vida de desenvolvimento de produtos de dados
Cada iteração expandirá os incrementos existentes ou incorporará novos recursos propostos pela equipe de negócios
Monitore e ajuste o processo de carregamento
Monitore o processamento de carga em todo o sistema e entenda os gargalos de desempenho e os caminhos de dependência de desempenho
Use técnicas de ajuste de banco de dados onde e quando precisar delas, incluindo particionamento, ajuste de backup e ajustes de estratégia de recuperação
Monitore e ajuste atividades e desempenho de business intelligence
Transparência e visibilidade são princípios-chave que impulsionam o armazenamento de dados e o monitoramento de business intelligence
Quanto mais detalhes das atividades de data warehouse e business intelligence forem tornados públicos, mais os consumidores de dados poderão ver e compreender o que está acontecendo e menos suporte direto será necessário para os clientes finais.
ferramenta
repositório de metadados
Dicionário de dados e terminologia
O dicionário de dados é um componente necessário para apoiar o uso do data warehouse
Os dicionários descrevem os dados em termos comerciais, incluindo outras informações necessárias para usar os dados
Normalmente, o conteúdo do dicionário de dados vem diretamente do modelo lógico de dados
O parentesco entre dados e modelos de dados
O parentesco de dados registrados tem múltiplos usos
Investigue a causa raiz dos problemas de dados
Realize análises de impacto em alterações do sistema e problemas de dados
Determine a confiabilidade dos dados com base em sua fonte
Ferramentas de integração de dados
Ferramentas de integração de dados são usadas para carregar o data warehouse
Ao selecionar ferramentas, você também precisa considerar as seguintes funções de gerenciamento do sistema:
Auditoria de processos, controle, reinicialização e agendamento
A capacidade de extrair seletivamente elementos de dados em tempo de execução e auditá-los antes de passá-los para sistemas downstream
Controlar quais operações podem ou não ser executadas e quais processos com falha ou abortados podem ser reiniciados
Tipos de ferramentas de Business Intelligence
Visão geral
Relatórios operacionais
É a aplicação de ferramentas de business intelligence para analisar tendências de negócios de curto prazo (mensal) e longo prazo (anual).
Os relatórios operacionais também podem ajudar a descobrir tendências e padrões, usando ferramentas táticas de business intelligence para apoiar decisões de negócios de curto prazo.
gestão de desempenho empresarial
Inclui uma avaliação formal de indicadores de alinhamento com as metas organizacionais, normalmente no nível executivo
Análise descritiva de autoatendimento
Fornece ferramentas de business intelligence ao front office com recursos analíticos para orientar decisões operacionais
Relatórios operacionais
Relatórios operacionais referem-se a usuários empresariais que geram relatórios diretamente de sistemas comerciais, aplicativos ou data warehouses
Geralmente é uma função de um aplicativo
Normalmente, consultas ad hoc são usadas quando o relatório é apenas um relatório simples ou usado para iniciar um fluxo de trabalho
gestão de desempenho empresarial
A gestão de desempenho é um conjunto integrado de processos e aplicações organizacionais projetados para otimizar a execução da estratégia de negócios.
Outro método de gestão profissional se formou nesta área: a criação de scorecards na forma de painéis e painéis para permitir que os usuários mantenham uma interação consistente de informações entre gestão e execução.
Aplicativos de análise operacional
Visão geral
O Processamento Analítico Online (OLAP) é um método que fornece desempenho rápido para consultas analíticas multidimensionais
O termo OLAP deriva em parte da clara distinção entre processamento de transações on-line OLTP
As operações OLAP comuns incluem
fatiar
Uma fatia é um subconjunto de uma matriz multidimensional que corresponde a um único valor para um ou mais membros de uma dimensão que não está no subconjunto.
Cortado em pedacos
Blocos são fatias de mais de duas dimensões no cubo de dados ou mais de duas fatias consecutivas
Detalhar para cima/para baixo
é uma técnica de análise específica que permite aos usuários navegar entre diferentes níveis de dados
Varia do mais geral (para cima) ao mais detalhado (para baixo)
Convolução ascendente
A convolução envolve o cálculo de todas as relações de dados em uma ou mais dimensões
perspectiva
As perspectivas alteram as dimensões de exibição de um relatório ou página
Método de implementação OLAP
Processamento Analítico Online Relacional (ROLAP)
ROLAP suporta OLAP usando tecnologia multidimensional em tabelas bidimensionais de banco de dados relacional RDBMS
O esquema em estrela é uma técnica de design de banco de dados comumente usada em ambientes ROLAP
Processamento Analítico Online de Matriz Multidimensional (MOLAP)
MOLAP suporta OLAP através do uso de tecnologia especializada de banco de dados multidimensional
Processamento Analítico Online Híbrido (HOLAP)
É uma combinação de ROLAP e MOLAP
A implementação HOLAP permite que parte dos dados sejam armazenados em MOLAP e parte em ROLAP
método
Protótipos que impulsionam os requisitos
A criação de perfil dos dados ajudará na prototipagem e reduzirá os riscos associados a dados inesperados
Inteligência de negócios de autoatendimento
Métodos básicos de entrega para produtos de business intelligence de autoatendimento
Normalmente coloca as atividades do usuário em um portal gerenciado, fornecendo vários recursos com base nas permissões do usuário
Incluindo mensagens, alarmes, visualização de relatórios de produção programados, painéis, scorecards, etc.
Os relatórios podem ser enviados para o portal em uma programação padrão para que os usuários os recuperem quando quiserem
Os usuários também podem extrair dados executando relatórios em portais que compartilham conteúdo além das fronteiras organizacionais.
Dados de auditoria consultáveis
Para manter a linhagem dos dados, todas as estruturas e processos devem ser capazes de criar e armazenar informações de auditoria e permitir rastreamento e relatórios detalhados
Guia de implementação
Avaliação de Prontidão/Avaliação de Risco
O data warehouse deve ser capaz de atingir os seguintes pontos
Esclareça a sensibilidade dos dados e as restrições de segurança
Selecione a ferramenta
Garanta a segurança dos recursos
Crie um processo de extração para avaliar e receber dados de origem
Roteiro de versão
Gerenciamento de configurações
Mudança organizacional e cultural
Armazenamento de Dados/Governança de Business Intelligence
aceitação comercial
Existem alguns subcomponentes arquitetônicos muito importantes e suas atividades de apoio que precisam ser considerados antecipadamente
modelo de dados conceituais
Ciclo de feedback de qualidade de dados
Metadados de ponta a ponta
Linhagem de dados verificável de ponta a ponta
Satisfação do Cliente/Usuário
acordo de nível de serviço
Estratégia de relatórios
Uma estratégia de relatórios inclui padrões, processos, diretrizes, melhores práticas e procedimentos que garantirão que os usuários recebam informações claras, precisas e oportunas
As estratégias de relatórios devem abordar as seguintes questões
acesso seguro
Garanta que apenas usuários autorizados tenham acesso a dados confidenciais
Descreve mecanismos de acesso para interação do usuário, geração de relatórios, inspeção ou visualização de outros dados
Tipos de comunidades de usuários e ferramentas apropriadas para usá-las
Resumo do relatório, detalhes, exceções e frequência, tempo, distribuição e natureza armazenada
Liberte o potencial dos recursos de visualização com saída gráfica
Trade-off entre pontualidade e desempenho
Centro de Excelência
Os Centros de Excelência podem fornecer treinamento, configuração de lançamento, práticas recomendadas de design, dicas e truques sobre fontes de dados e outras soluções ou recursos para ajudar os usuários corporativos a implementar um modelo de autoatendimento
Além da gestão do conhecimento, o centro fornece comunicação oportuna para desenvolvedores, designers, analistas e organizações assinantes
Métricas
Usar indicadores
As métricas usadas em data warehouses incluem número de usuários registrados, número de usuários conectados ou número de usuários simultâneos
Essas métricas representam quantas pessoas na organização estão usando o data warehouse
Cobertura da área temática
A percentagem de cobertura da área de assunto mede até que ponto cada departamento tem acesso ao armazém e também destaca quais dados são partilhados entre departamentos e quais ainda não o são, mas poderão sê-lo.
Tempo de resposta e métricas de desempenho
A maioria das ferramentas de consulta mede o tempo de resposta
Recuperar métricas de resposta ou desempenho de ferramentas