Syndrom zmęczenia i planowania danych

Przeczytaj ten artykuł, aby zapoznać się z planowaniem danych i syndromem zmęczenia informacji:

Ilość informacji rośnie w geometrycznych progach i coraz trudniej jest poradzić sobie z eksplozją informacji, która ma miejsce.

Zdjęcie dzięki uprzejmości: engazegypt.com/uploads/services/136853078516158773-internet-a.jpg

Planowanie danych powinno również skupiać się na tym problemie. Poniższe punkty dotyczą tego problemu i reakcji technologii baz danych na ten problem.

Syndrom zmęczenia informacji:

Niedawna międzynarodowa ankieta "Dying for Information" dała zaskakujące odkrycie, że połowa wszystkich menedżerów skarży się na przeciążenie informacjami, co skutkuje zwiększeniem poziomu stresu, który powoduje pogorszenie stanu zdrowia. Badanie to dodatkowo podkreśla, że ​​menedżerowie są złapani w dylemacie wykonawczym w dobie faksów, poczty głosowej i Internetu.

Uważają również, że nie mogą działać dobrze bez wysokiego poziomu informacji. Ale to duże obciążenie często nieistotnych danych wpływa na ich wydajność i zapycha maszynę korporacyjną. "Marnotrawstwo czasu, opóźnianie decyzji i napięcie mogą wynikać z przeciążenia informacji".

"Posiadanie zbyt dużej ilości informacji może być tak samo niebezpieczne, jak posiadanie zbyt małej" podsumowuje dylemat, z którym mierzą się obecnie menedżerowie. Zjawisko to jest określane jako "syndrom zmęczenia informacją" i "jest teraz częścią życia wykonawczego". Znany cytat "Woda woda wszędzie, a nie kropla do picia" Starożytnego Marinera może również stać się źródłem informacji.

Ostatnio podjęto próby sprostania wyzwaniu związanemu z syndromem zmęczenia informacji. Dostępnych jest wiele różnych technik oprogramowania, takich jak technologia baz danych, języki zapytań, 4GL, OOP, systemy informacji zarządczej, systemy informacji eksperckiej itp., Które udostępniają menedżerom informacje o dobrej jakości.

Jednakże okazało się, że techniki te nie są odpowiednie do tego zadania ze względu na znaczną stopę wzrostu w puli informacji. Główną tego przyczyną było to, że dane dostępne w bazach danych były zorientowane na transakcje, a nie na podmioty.

Dane dotyczące bieżących operacji zwracają największą uwagę administratora bazy danych. Proste zapytanie, jaki jest związek między sprzedażą papierosów, napojów bezalkoholowych i żywności dla dzieci; lub, co jest oczekiwanym wzrostem sprzedaży, jeśli sklep departamentu jest otwarty również późnym wieczorem, może wysłać falę uderzeniową do dzisiejszych menedżerów informacji.

Pytania dotyczące takich kwestii wymagają użycia ogromnej puli aktualnych i przeszłych danych dotyczących zachowań klientów w różnych sytuacjach. Wymaga magazynu danych specjalnie przygotowanego do spełnienia takich zapytań. W celu skrócenia czasu i kosztów analizy i przechowywania dane w takim przypadku powinny być przechowywane po pewnej ilości podstawowej agregacji i analizy.

Określenie stopnia agregacji i wyeliminowanie redundancji stanowi wielkie wyzwanie przed menedżerami informacji. Ponieważ nie można przewidzieć charakteru zapytań w takich przypadkach, zadanie staje się jeszcze trudniejsze. W celu sprostania temu wyzwaniu opracowano podejście oparte na hurtowni danych.

Podejście do hurtowni danych:

Podejście do magazynowania danych (czasami nazywane również podejściem do magazynowania informacji) sugeruje, że informacje muszą być pozyskiwane, przechowywane i obsługiwane zgodnie z podstawowym podejściem stosowanym w przypadku magazynów dla innych fizycznych danych wejściowych.

Generalne zaplecze magazynowe zostało opracowane przy założeniu, że wszelkie wyprzedaże spowodują utrudnienia w procesie produkcyjnym i będą miały wpływ na wyniki finansowe. Tak więc wymagane przedmioty są regularnie i celowo kupowane, przetwarzane i przechowywane w stanie gotowym do użycia przez cały czas.

Charakterystyczną cechą podejścia do magazynowania informacji jest to, że tworzy on hurtownię danych, różną od normalnych baz danych obsługiwanych przez przedsiębiorstwo.

Założeniem jest tutaj, że dane gromadzone i konsolidowane oraz pozyskiwane z różnych źródeł, takich jak produkcja, marketing i finanse, są zbyt ważne, aby mogły być zakłócane złożonymi zapytaniami analitycznymi użytkowników. W związku z tym kwerendy są wykonywane przeciwko wyodrębnionej bazy danych specjalnie zorganizowane do spełnienia zapytań analitycznych. Taka baza danych nosi również nazwę Meta-danych.

Podejście to łączy w sobie narzędzia analityczne, szybkie i równoległe oraz systemy wieloprocesorowe ze specjalistycznymi algorytmami i narzędziami programowymi. Charakterystyczne cechy tego podejścia można lepiej zrozumieć za pomocą kroków w procesie, który przyjmuje w celu spełnienia zapytań analitycznych. Te kroki to:

za. Przechwytywanie danych, określane również jako zbieranie lub gromadzenie danych z różnych źródeł, z różnymi aplikacjami;

b. Czyszczenie danych (szorowanie danych) w celu zapewnienia spójności i kompletności. Obejmuje to również usunięcie nadmiarowych elementów danych;

do. Organizowanie danych w bazach danych zaprojektowanych specjalnie do analizy danych. Te projekty baz danych różnią się od tych używanych do rejestrowania i raportowania operacji w przedsiębiorstwie. Są wolne od obaw źródeł, autentyczności, śladów rewizyjnych itp.

re. Dostępność procesorów analitycznych on-line (OLAP), narzędzi do eksploracji danych, narzędzi do wizualizacji danych, internetowych narzędzi wspomagających, systemów informacji zarządczej (EIS) oraz innych narzędzi do analizy i raportowania danych w celu sprostania wymagającym zapytaniom analitycznym użytkowników.

Krytyczna decyzja, którą należy podjąć, dotyczy wyboru danych, które mają być przechowywane w informacyjnych bazach danych. W przypadku gdy możliwe jest przewidzenie potrzeb informacyjnych na przyszłość, wystarczy model dwuprzekrojowy.

W tym modelu dane operacyjne są podsumowywane, a dane, które mogą być potrzebne w przyszłości, mogą być kopiowane do bazy danych informacji. W przypadku, gdy nie można przewidzieć przyszłych potrzeb informacyjnych, bardziej odpowiedni może być model trzyczęściowy. W tym modelu wszystkie dane operacji są najpierw przechowywane w tak zwanej historycznej bazie danych, a następnie wybrana jej część jest również przechowywana w bazie danych informacji. Rysunek 9.9 przedstawia dwa modele.

Podejście do magazynowania danych zyskuje na popularności, o czym świadczy szersza akceptacja wśród czołowych producentów oprogramowania. Obecnie wiodące firmy z branży oprogramowania baz danych, takie jak Oracle, Sybase, Informix i IBM, otwarcie opowiedziały się za tym podejściem. Informix nawiązał współpracę z Prism Solutions, firmą stworzoną przez Billa Inmona, uważaną za ojca rozwiązania do przechowywania danych.

Korzyści z podejścia do magazynowania danych:

Magazyn danych staje się popularny z następujących powodów:

za. Zwiększa szybkość analizy danych, ponieważ gromadzone są dane agregatów, a codzienne transakcje nie utrudniają procesu analizy.

b. Oferuje elastyczność w zakresie charakteru zapytania i skupia się na tematach i działaniach zamiast na transakcjach.

do. Pomaga zrozumieć różne procesy biznesowe i wzorce zachowań klientów, dostawców, inwestorów itp.

Niektóre z sukcesów w wykorzystywaniu hurtowni danych obejmują sieć sklepów detalicznych Wal-Mart, która przetwarza 7, 5 terabajta danych do przechowywania różnych aspektów działalności sklepu detalicznego. Trendy w sprzedaży są analizowane, a wpływ różnych zmian, takich jak zniżki i inne decyzje dotyczące sprzedaży, jest regularnie oceniany w celu ukierunkowania przyszłych działań.

Innym przykładem jest Reuters, dostawca usług informacji finansowych, który opracował nową serię usług informacyjnych, takich jak Money 3000, Securities 3000 i Treasury 3000. Firma wnosi wartość dodaną do informacji finansowych, zapewniając swoim użytkownikom dostęp do swoich historycznych informacji o rynkach i instrumenty.

Wykorzystuje podejście hurtowni danych do przechowywania i umożliwiania dostępu do danych przechowywanych na różnych komputerach na całym świecie. Dane są zbierane z 4600 różnych źródeł, w tym 236 rynków, 241 analityków i 50 nowych źródeł danych osób trzecich, a zespół ma 1860 dziennikarzy. W przypadku tak ogromnych danych za najbardziej odpowiednie uznano podejście do magazynowania danych.

Krytyczne czynniki sukcesu w hurtowni danych:

Aby w pełni wykorzystać zalety systemu hurtowni danych, należy wziąć pod uwagę czynniki kluczowe dla skuteczności takich systemów.

Niektóre z tych czynników to:

a) Podejście do przechowywania danych wymaga ogromnych inwestycji w sprzęt i oprogramowanie. Takie podejście miałoby sens tylko w dużych przedsiębiorstwach, w których potencjał systemu można w pełni wykorzystać.

b) Magazynowanie danych wymaga dużych zmian architektonicznych w już dobrze ugruntowanych bazach danych. Takie zmiany mogą powodować utrudnienia w funkcjonowaniu istniejących systemów lub istniejące systemy musiałyby przez jakiś czas być równoległe do nowych systemów.

Podobnie istnieją inne przeszkody technologiczne i biznesowe, które mogą uniemożliwić pomyślne wdrożenie tych systemów. Obsługa przeszkód w okresie wdrażania, który wynosi od 18 do 24 miesięcy, będzie ważnym czynnikiem sukcesu systemu magazynowego.

c) Pełny potencjał tego podejścia można osiągnąć tylko wtedy, gdy do generowania informacji wykorzystywany jest szereg narzędzi do analizy danych. Wybór i wykorzystanie narzędzi do analizy danych zależy od dostępności takich narzędzi oraz kultury korporacyjnej. Podejście do magazynowania danych zakończyłoby się sukcesem, gdyby w przedsiębiorstwie panowała odpowiednia kultura pracy.

d) Takie podejście zakłada bardzo dojrzały rodzaj środowiska informatycznego, w którym stopień penetracji IT w codziennych działaniach jest bardzo wysoki. Przedsiębiorstwo użytkownika powinno posiadać dużą ilość danych historycznych już przechowywanych na nośnikach magnetycznych. Jest to zatem proces ewolucyjny, a nie rewolucyjny.

Zwrot z inwestycji w to podejście jest szarą strefą, dlatego też należy przeanalizować koszty i korzyści, zanim przejdzie w tryb hurtowni danych.