전통적인 데이터베이스 시스템, 즉 온라인 트랜잭션 처리(OLTP)는 주로 데이터 관리 수단으로 트랜잭션 처리에 사용되지만 분석 처리에 대한 지원은 항상 만족스럽지 못했습니다. 따라서 사람들은 의사결정 분석을 더 잘 지원하기 위해 포괄적이고 분석 중심적인 환경을 형성하기 위해 점차적으로 OLTP 데이터베이스의 데이터를 재처리하려고 노력하고 있습니다. 데이터 웨어하우스와 OLAP(On-Line Analytical Process) 시스템은 의사결정 분석 시스템의 필수적인 부분입니다. 데이터 웨어하우스는 회사 전체에 분산되어 있는 OLTP 데이터베이스에서 데이터를 추출하고 추출된 데이터를 전처리하여 회사의 의사결정에 필요한 데이터를 제공합니다. OLAP은 데이터웨어 하우스에 저장된 데이터를 사용하여 다양한 분석 작업을 완료하고 분석 결과를 직관적이고 이해하기 쉬운 형식으로 의사 결정 분석가에게 반환합니다. 데이터 웨어하우스는 주제 지향적이고 통합되었으며 업데이트가 불가능하고 시간이 지남에 따라 변경되며 의사 결정을 지원하는 데 사용되는 데이터 모음입니다. 그룹 기업 환경에서는 일반적으로 데이터 웨어하우스에 세 가지 데이터 소스가 수집된다고 생각합니다. 하나는 선도 기업 내의 다양한 응용 프로그램 시스템에서 주기적으로 마이그레이션되는 데이터이고, 다른 하나는 그룹 기업 내 각 구성원 기업의 관련 데이터입니다. 다른 하나는 데이터입니다. 하나는 그룹 기업 외부의 데이터입니다.
그룹 기업 환경의 데이터 웨어하우스의 조직 구조는 데이터베이스의 조직 구조와 매우 다릅니다. 그룹 기업의 다양한 응용 시스템에서 기본 데이터와 종합 데이터를 획득하여 서로 다른 데이터베이스로 나눕니다. 그림 2와 같은 수준입니다.
이러한 수준에는 현재 기초 데이터, 과거 기초 데이터, 약간 포괄적인 데이터, 매우 포괄적인 데이터 및 메타데이터(메타데이터, MD)가 포함됩니다. 현재 기본데이터는 최근 그룹사 업무데이터로, 이용자들이 가장 관심을 갖고 있는 부분이며, 가장 많은 양의 데이터를 보유하고 있습니다. 시간이 지남에 따라 현재 기본 데이터는 데이터 웨어하우스의 시간 제어 메커니즘을 통해 과거 기본 데이터로 변환되어 덤프 매체로 전송될 수 있습니다. 가볍게 합성된 데이터는 현재의 기본 데이터를 가볍게 합성하여 형성됩니다. 고도로 통합된 최고 수준의 데이터는 고도로 통합되고 정제된 준의사결정 데이터입니다. 메타데이터는 데이터 웨어하우스의 데이터 소스 및 주제 정의, 데이터 로딩/덤핑 규칙, 온라인 유지 관리 규칙, 요약 정보 추출 규칙 등을 포함하는 데이터에 관한 데이터입니다. ODS(운영 데이터 저장소)는 주로 엔터프라이즈 수준 OLTP 및 "실시간 OLAP" 데이터 처리에 적응하는 데 사용되는 새로운 유형의 데이터 환경입니다. 운영 데이터 스토리지는 데이터베이스와 데이터 웨어하우스를 연결하는 역할을 하며, 데이터 웨어하우스 구축의 어려움도 줄일 수 있습니다.
그룹 기업의 전체 데이터베이스 아키텍처는 OLTP에서 OLAP까지 모든 애플리케이션에 적용되는 다양한 애플리케이션 중심 데이터베이스, 다양한 주제 중심 데이터 웨어하우스 및 운영 데이터 스토리지로 구성되어야 합니다. OLTP와 OLAP는 상대적으로 독립적이고 느슨하게 결합되어 있지만 상호 연결되어 유기적으로 통합되어 있습니다. 그룹 기업의 모든 운영 및 분석 요구 사항을 포괄하는 완전한 데이터베이스 아키텍처 DB-ODS-DW 다이어그램을 생성할 수 있습니다. 협업적 의사결정을 위한 그룹 전사 데이터 웨어하우스의 체계적인 환경을 구축하려면 모든 계층의 데이터베이스, 운영 데이터 저장소, 데이터 웨어하우스 구축뿐만 아니라 애플리케이션 중심 데이터베이스, 운영 데이터 저장소, 데이터 웨어하우스 간의 조정이 필요합니다. . 합리적인 구분을 만들고 데이터베이스, 운영 데이터 저장소 및 데이터 웨어하우스 간의 경계와 상호 연결을 명확하게 설명합니다. 다양한 데이터베이스, 운영 데이터 저장소 또는 데이터 웨어하우스의 데이터 처리 및 애플리케이션은 명확하게 정의되고 구분되어야 하며, 소프트웨어 및 하드웨어 리소스와 인력의 구성이 명확하게 지정되어야 환경이 실제로 명확하게 구조화된 유기적 환경이 될 수 있습니다. 명확한 레이어, 명확한 연결 및 질서 있는 작동으로 전체를 구성합니다.
1. 하향식
그룹 엔터프라이즈 환경의 데이터 웨어하우스 설계는 시스템의 확장성, 일관성 및 재사용성에 중점을 두어야 합니다.
그룹 기업을 위한 글로벌 데이터 웨어하우스 구조를 먼저 설계하기 위해 "하향식" 접근 방식을 채택한 후 이를 기반으로 특정 비즈니스를 위한 애플리케이션 계층 데이터 웨어하우스와 높은 수준의 전략적 의사 결정을 위한 개인 사용자 데이터 웨어하우스를 구성합니다. 디자인되었습니다. 글로벌 데이터 웨어하우스는 원자 수준의 사용자 요구, 즉 그룹 기업의 가장 기본적인 분석 요구를 지향하므로 모든 애플리케이션 로직과 완전히 독립적으로 만드는 것이 가장 좋습니다. 애플리케이션 계층 데이터 웨어하우스와 상위 수준 데이터 웨어하우스에서 데이터 구성과 분석 및 처리 논리를 결합하면 분석 효율성을 높이는 데 도움이 됩니다.
2. 상향식
그룹 기업의 데이터 웨어하우스 구현은 "상향식" 데이터 마트(Data Mart, DM) 방식을 채택할 수 있습니다. 데이터마트의 핵심 아이디어는 그룹사 운영과정에서 가장 고민되는 부분부터 시작하여, 그룹사 내 각 협력업체의 데이터 준비 실태를 바탕으로 가장 많이 완성하는 것이다. 그룹 기업 운영에 긴급한 요구가 있습니다. 가장 빠른 수익을 얻고 계속 확장하고 개선합니다. "하향식" 글로벌 데이터 웨어하우스 설계 프레임워크를 지침으로 삼아 데이터 마트의 일관성과 재사용성이 뛰어나고 조정이 쉽습니다. 보다 협력적인 기업의 데이터 마트가 사용되면 데이터는 원자 수준이나 데이터 준비 영역에서 서로 연결될 수 있으므로 이러한 데이터 마트의 집합은 그룹 기업의 글로벌 데이터 창고를 구성합니다. 데이터 마트와 데이터 웨어하우스의 차이점은 데이터 마트가 그룹 기업의 전략적 애플리케이션 또는 비즈니스 프로세스 애플리케이션을 목표로 하며 사용자가 기존 데이터를 사용하여 중요한 경쟁 우위를 확보하거나 새로운 시장 계획에 진입하기 위한 특정 솔루션을 찾을 수 있도록 지원한다는 것입니다. 데이터 마트는 데이터 웨어하우스보다 더 작고 중앙 집중화되어 있으며 더 경제적입니다. 데이터 마트의 현재 추세는 중앙 집중식 관리를 지향하고 있으며, 이는 분산형 모델에 내재된 관리 중복성을 줄여줍니다. 데이터 마트는 주제 중심의 차원 데이터베이스로, 일반적으로 차원과 팩트 테이블로 구성된 "스타 스키마"를 사용하며, 여러 테이블로 표현해야 하는 복잡한 차원이 많을 경우 "눈송이"로 발전합니다. 개요". 데이터 마트와 데이터 웨어하우스는 지역적, 글로벌 관계를 갖고 있기 때문에 데이터 마트는 서로 독립적으로 구축될 수 없고, 글로벌한 관점에서 구축되어야 합니다.
그룹 기업의 데이터 웨어하우스는 데이터 준비 영역, 데이터 웨어하우스, 전용 데이터 마트 등 다양한 구성 요소의 조합입니다. 그룹 기업의 영업 프로세스에 대한 위상적 관계 다이어그램을 작성할 수 있습니다.
데이터 준비 영역은 운영 체제 데이터 소스로부터 정보를 수신하는 데 사용되는 데이터베이스 테이블 세트입니다. 데이터 마트와 데이터 웨어하우스는 모두 최종 사용자를 위한 OLAP, 보고 및 지식 마이닝을 지원합니다. 그룹 기업의 글로벌 코드는 데이터 마트 차원의 일관성을 유지하기 위해 차원 테이블로 사용되는 경우가 많습니다.