데이터웨어 하우징-개요

"데이터웨어 하우스"라는 용어는 1990 년 Bill Inmon에 의해 처음 만들어졌습니다. Inmon에 따르면 데이터웨어 하우스는 주제 지향적이고 통합 된 시간에 따라 변하는 비 휘발성 데이터 모음입니다. 이 데이터는 분석가가 조직에서 현명한 결정을 내리는 데 도움이됩니다.

운영 데이터베이스는 발생하는 트랜잭션을 고려하여 매일 자주 변경됩니다. 비즈니스 임원이 제품, 공급 업체 또는 소비자 데이터와 같은 데이터에 대한 이전 피드백을 분석하려고한다고 가정하면 이전 데이터가 트랜잭션으로 인해 업데이트 되었기 때문에 분석 할 데이터가 없을 것입니다.

데이터웨어 하우스는 다차원보기에서 일반화되고 통합 된 데이터를 제공합니다. 데이터에 대한 일반화되고 통합 된보기와 함께 데이터웨어 하우스는 OLAP (온라인 분석 처리) 도구도 제공합니다. 이러한 도구는 다차원 공간에서 데이터를 대화식으로 효과적으로 분석하는 데 도움이됩니다. 이 분석은 데이터 일반화 및 데이터 마이닝으로 이어집니다.

연관, 클러스터링, 분류, 예측과 같은 데이터 마이닝 기능을 OLAP 작업과 통합하여 여러 추상화 수준에서 상호 작용하는 지식 마이닝을 향상시킬 수 있습니다. 이것이 데이터웨어 하우스가 이제 데이터 분석 및 온라인 분석 처리를위한 중요한 플랫폼이 된 이유입니다.

데이터웨어 하우스 이해

• 데이터웨어 하우스는 조직의 운영 데이터베이스와 별도로 보관되는 데이터베이스입니다.

• 데이터웨어 하우스에서는 자주 업데이트되지 않습니다.

• 통합 된 기록 데이터를 보유하고있어 조직이 비즈니스를 분석하는 데 도움이됩니다.

• 데이터웨어 하우스는 경영진이 데이터를 구성, 이해 및 사용하여 전략적 결정을 내리는 데 도움이됩니다.

• 데이터웨어 하우스 시스템은 다양한 애플리케이션 시스템을 통합하는 데 도움이됩니다.

• 데이터웨어 하우스 시스템은 통합 된 이력 데이터 분석을 지원합니다.

데이터웨어 하우스가 운영 데이터베이스와 분리 된 이유

데이터웨어 하우스는 다음과 같은 이유로 운영 데이터베이스와 별도로 유지됩니다.

• 운영 데이터베이스는 특정 레코드 검색, 인덱싱 등과 같은 잘 알려진 작업 및 워크로드를 위해 구성됩니다. 계약에서 데이터웨어 하우스 쿼리는 종종 복잡하며 일반적인 데이터 형식을 나타냅니다.

• 운영 데이터베이스는 여러 트랜잭션의 동시 처리를 지원합니다. 데이터베이스의 견고성과 일관성을 보장하려면 운영 데이터베이스에 동시성 제어 및 복구 메커니즘이 필요합니다.

• 운영 데이터베이스 쿼리를 사용하면 작업을 읽고 수정할 수 있지만 OLAP 쿼리에는 read only 저장된 데이터에 대한 액세스.

• 운영 데이터베이스는 현재 데이터를 유지합니다. 반면에 데이터웨어 하우스는 기록 데이터를 유지합니다.

데이터웨어 하우스 기능

데이터웨어 하우스의 주요 기능은 아래에서 설명합니다.

• Subject Oriented− 데이터웨어 하우스는 조직의 지속적인 운영이 아닌 주제에 대한 정보를 제공하기 때문에 주제 지향적입니다. 이러한 주제는 제품, 고객, 공급 업체, 판매, 매출 등이 될 수 있습니다. 데이터웨어 하우스는 진행중인 운영에 초점을 맞추지 않고 의사 결정을위한 데이터 모델링 및 분석에 초점을 맞 춥니 다.

• Integrated − 데이터웨어 하우스는 관계형 데이터베이스, 플랫 파일 등과 같은 이기종 소스의 데이터를 통합하여 구성됩니다. 이러한 통합은 데이터의 효과적인 분석을 향상시킵니다.

• Time Variant− 데이터웨어 하우스에서 수집 된 데이터는 특정 기간으로 식별됩니다. 데이터웨어 하우스의 데이터는 기록 관점에서 정보를 제공합니다.

• Non-volatile− 비 휘발성은 새 데이터가 추가 될 때 이전 데이터가 지워지지 않음을 의미합니다. 데이터웨어 하우스는 운영 데이터베이스와 별도로 유지되므로 운영 데이터베이스의 빈번한 변경은 데이터웨어 하우스에 반영되지 않습니다.

Note − 데이터웨어 하우스는 물리적으로 저장되고 운영 데이터베이스와 분리되어 있기 때문에 트랜잭션 처리, 복구 및 동시성 제어가 필요하지 않습니다.

데이터웨어 하우스 애플리케이션

앞서 설명한 것처럼 데이터웨어 하우스는 비즈니스 임원이 의사 결정을 위해 데이터를 구성, 분석 및 사용할 수 있도록 도와줍니다. 데이터웨어 하우스는 엔터프라이즈 관리를위한 계획 실행 평가 "폐쇄 루프"피드백 시스템의 유일한 부분입니다. 데이터웨어 하우스는 다음 분야에서 널리 사용됩니다.

• 금융 서비스
• 은행 서비스
• 소비재
• 소매 부문
• 제어 된 제조

데이터웨어 하우스 유형

정보 처리, 분석 처리 및 데이터 마이닝은 아래에서 설명하는 세 가지 유형의 데이터웨어 하우스 응용 프로그램입니다.

• Information Processing− 데이터웨어 하우스는 저장된 데이터를 처리 할 수 ​​있습니다. 데이터는 쿼리, 기본 통계 분석, 크로스 탭, 표, 차트 또는 그래프를 사용한보고를 통해 처리 할 수 ​​있습니다.

• Analytical Processing− 데이터웨어 하우스는 저장된 정보의 분석 처리를 지원합니다. 데이터는 슬라이스 앤 다이스, 드릴 다운, 드릴 업 및 피벗을 포함한 기본 OLAP 작업을 통해 분석 할 수 있습니다.

• Data Mining− 데이터 마이닝은 숨겨진 패턴 및 연관성을 찾고, 분석 모델을 구성하고, 분류 및 예측을 수행하여 지식 발견을 지원합니다. 이러한 마이닝 결과는 시각화 도구를 사용하여 표시 할 수 있습니다.

Sr. 아니.	데이터웨어 하우스 (OLAP)	운영 데이터베이스 (OLTP)
1	정보의 역사적 처리가 포함됩니다.	그것은 일상적인 처리를 포함합니다.
2	OLAP 시스템은 임원, 관리자 및 분석가와 같은 지식 근로자가 사용합니다.	OLTP 시스템은 사무원, DBA 또는 데이터베이스 전문가가 사용합니다.
삼	비즈니스 분석에 사용됩니다.	사업을 운영하는 데 사용됩니다.
4	정보 아웃에 중점을 둡니다.	데이터 입력에 중점을 둡니다.
5	Star Schema, Snowflake Schema 및 Fact Constellation Schema를 기반으로합니다.	엔터티 관계 모델을 기반으로합니다.
6	정보 아웃에 중점을 둡니다.	애플리케이션 지향적입니다.
7	그것은 과거 데이터를 포함합니다.	현재 데이터를 포함합니다.
8	요약 및 통합 데이터를 제공합니다.	원시적이고 매우 상세한 데이터를 제공합니다.
9	데이터의 요약 및 다차원보기를 제공합니다.	데이터에 대한 상세하고 평탄한 관계형보기를 제공합니다.
10	사용자 수는 수백 명입니다.	사용자 수는 수천 명입니다.
11	액세스 된 레코드 수는 수백만입니다.	액세스 된 레코드 수는 수십입니다.
12	데이터베이스 크기는 100GB에서 100TB입니다.	데이터베이스 크기는 100MB에서 100GB입니다.
13	이들은 매우 유연합니다.	고성능을 제공합니다.