Data Warehousing

Předmětem data warehousingu je návrh systémů pro analýzy dat založených na principu vytvoření jednotného obrazu firmy obsahujícím data integrovaná ze všech informačních zdrojů, historická, detailní a transformovaná do tvaru vhodném pro analýzy.

Systém má pak následující strukturu:

Zdroje dat
Zdroji dat jsou provozní systémy, např. ERP (účetnictví sklady, logistika, výroba), CRM (marketing, prodej, servis), specializovaných systémů (bankovní systémy, systémy řízení mobilní sítě, fakturační systémy, systémy technologického řízení výroby a pod.), WWW (údaje o zobrazovaných či zadaných informacích) a externí zdroje dat v elektronické formě (výsledky průzkumů, obchodní rejstřík, elektronické burzy, výstupy informačních agentur a pod.).

Pracovní oblast - Staging Area
Ze zdrojových systémů jsou data přenášena do pracovní oblasti. Zde jsou data čištěna a postupně transformována do struktur datového skladu. V pracovní oblasti mohou být data uložena dočasně nebo i delší časové období.

Datový sklad - Data Warehouse
Základním účelem datového skladu je uložení integrovaných, historických, náležitě vyčištěných dat, tak aby co nejpřesněji obrážela stav firmy nyní i v minulosti. Tomu odpovídá jeho datová struktura. Datový sklad je "jedním zdrojem pravdy" pro celou firmu a stále se rozvíjí, aby ji mohl zachycovat, i když se firma sama o sobě mění. Do datového skladu mohou přímo přistupovat uživatelé pomocí nástrojů pro reporting a dotazování.

Datová tržiště - Data Marts
Datová tržiště jsou určena k tomu, aby různé skupiny uživatelů co nejjednodušším způsobem získali informaci, kterou potřebují. Tomuto požadavku je zcela podřízena jejich datová struktura i nástroje pro přístup k nim. Datová tržiště jsou přitom plněna kvalitními daty z datového skladu. Mohou vznikat a zanikat, tak jak vznikají a zanikají specifické potřeby uživatelů na analýzu dat. Datová tržiště mohou být různých typů.

• ROLAP / MOLAP tržiště umožňují uživatelům pohled na číselné údaje (tzv. fakta) z různých úhlů pohledu (tzv. dimenzí) různých úrovní sumace (tzv. hierarchie). Základem je technologie uložení dat buď ve star schematu nebo v multidimenzionálních kostkách.
• Data miningová tržiště mají strukturu přizpůsobenou specifickým požadavkům data miningových metod. Výsledky data miningových analýz mohou být přenášeny zpět do datového skladu. Typickém příkladem analýzy je možnost křížového prodeje dalších produktů, pravděpodobnost odchodu ke konkurenci, pravděpodobnost zpronevěry pro každého zákazníka, pravděpodobnost odpovědi na určitou marketingovou kampaň a pod.
• Datová tržiště mohou využívat i běžnou databázi a tak k nim mohou uživatelé přistupovat pomocí nástrojů pro reportingu a dotazování.
• Mohou být dokonce tvořena aplikací, která dále s daty manipuluje a do které jsou další data, většinou různé parametry, koeficienty a pravidla, zadávány. Příkladem jsou aplikace, které jsou na základě údajů z datového skladu a dalších dodaných údajů schopny spočítat ziskovost nebo rizikovost až na úroveň jednoho zákazníka. Výsledky z aplikací mohou být přenášeny zpět do datového skladu.

Na výše uvedené struktury navazují jednotlivé kroky analýzy dat.