การสร้างแบบจำลองข้อมูลด้วย DAX - แนวคิด

Business Intelligence (BI) กำลังได้รับความสำคัญในหลายสาขาและองค์กร การตัดสินใจและการคาดการณ์โดยอาศัยข้อมูลในอดีตกลายเป็นสิ่งสำคัญในโลกแห่งการแข่งขันที่เติบโตขึ้นเรื่อย ๆ มีข้อมูลจำนวนมากทั้งจากภายในและภายนอกจากแหล่งข้อมูลที่หลากหลายสำหรับการวิเคราะห์ข้อมูลทุกประเภท

อย่างไรก็ตามความท้าทายคือการดึงข้อมูลที่เกี่ยวข้องออกจากข้อมูลขนาดใหญ่ที่มีอยู่ตามข้อกำหนดในปัจจุบันและจัดเก็บในลักษณะที่เป็นมิตรกับการคาดการณ์ข้อมูลเชิงลึกที่แตกต่างจากข้อมูล รูปแบบข้อมูลที่ได้รับจากการใช้เงื่อนไขทางธุรกิจที่สำคัญจึงเป็นเครื่องมือสื่อสารที่มีคุณค่า แบบจำลองข้อมูลยังต้องมีวิธีการสร้างรายงานที่รวดเร็วตามความจำเป็น

การสร้างแบบจำลองข้อมูลสำหรับระบบ BI ช่วยให้คุณสามารถรับมือกับความท้าทายด้านข้อมูลมากมาย

ข้อกำหนดเบื้องต้นสำหรับโมเดลข้อมูลสำหรับ BI

แบบจำลองข้อมูลสำหรับ BI ควรเป็นไปตามข้อกำหนดของธุรกิจที่กำลังทำการวิเคราะห์ข้อมูล ต่อไปนี้เป็นพื้นฐานขั้นต่ำที่โมเดลข้อมูลต้องเป็นไปตาม -

โมเดลข้อมูลต้องเป็นแบบเฉพาะธุรกิจ

รูปแบบข้อมูลที่เหมาะกับธุรกิจหนึ่งสายงานอาจไม่เหมาะกับสายธุรกิจอื่น ดังนั้นแบบจำลองข้อมูลจะต้องได้รับการพัฒนาโดยพิจารณาจากธุรกิจเฉพาะข้อกำหนดทางธุรกิจที่ใช้ประเภทข้อมูลและความสัมพันธ์ ควรขึ้นอยู่กับวัตถุประสงค์และประเภทของการตัดสินใจในองค์กร

โมเดลข้อมูลจำเป็นต้องมี Intelligence ในตัว

โมเดลข้อมูลควรรวมข้อมูลอัจฉริยะในตัวผ่านข้อมูลเมตาลำดับชั้นและการสืบทอดที่อำนวยความสะดวกในกระบวนการ Business Intelligence ที่มีประสิทธิภาพและประสิทธิผล ด้วยวิธีนี้คุณจะสามารถจัดหาแพลตฟอร์มทั่วไปสำหรับผู้ใช้ที่แตกต่างกันโดยไม่ต้องทำกระบวนการซ้ำ ๆ

โมเดลข้อมูลต้องมีความแข็งแกร่ง

แบบจำลองข้อมูลควรนำเสนอข้อมูลเฉพาะสำหรับธุรกิจอย่างแม่นยำ ควรเปิดใช้งานดิสก์และหน่วยความจำที่มีประสิทธิภาพเพื่ออำนวยความสะดวกในการประมวลผลและรายงานอย่างรวดเร็ว

โมเดลข้อมูลต้องสามารถปรับขนาดได้

แบบจำลองข้อมูลควรสามารถรองรับสถานการณ์ทางธุรกิจที่เปลี่ยนแปลงได้อย่างรวดเร็วและมีประสิทธิภาพ อาจต้องรวมข้อมูลใหม่หรือประเภทข้อมูลใหม่ การรีเฟรชข้อมูลอาจต้องได้รับการจัดการอย่างมีประสิทธิภาพ

การสร้างแบบจำลองข้อมูลสำหรับ BI

การสร้างแบบจำลองข้อมูลสำหรับ BI ประกอบด้วยขั้นตอนต่อไปนี้ -

• การสร้างข้อมูล
• กำลังโหลดข้อมูล
• การกำหนดความสัมพันธ์ระหว่างตาราง
• การกำหนดชนิดข้อมูล
• การสร้างข้อมูลเชิงลึกใหม่

การสร้างข้อมูล

ข้อมูลที่จำเป็นในการสร้างแบบจำลองข้อมูลอาจมาจากแหล่งต่างๆและอาจอยู่ในรูปแบบที่แตกต่างกัน คุณต้องพิจารณาว่าส่วนใดของข้อมูลจากแหล่งข้อมูลเหล่านี้ที่จำเป็นสำหรับการวิเคราะห์ข้อมูลเฉพาะ สิ่งนี้เรียกว่าการสร้างข้อมูล

ตัวอย่างเช่นหากคุณกำลังดึงข้อมูลของพนักงานทั้งหมดในองค์กรคุณต้องตัดสินใจว่ารายละเอียดของพนักงานแต่ละคนเกี่ยวข้องกับบริบทปัจจุบันอย่างไร กล่าวอีกนัยหนึ่งคุณต้องกำหนดคอลัมน์ของตารางพนักงานที่ต้องนำเข้า เนื่องจากยิ่งจำนวนคอลัมน์ในตารางในแบบจำลองข้อมูลมีจำนวนน้อยลงการคำนวณบนตารางก็จะเร็วขึ้นเท่านั้น

กำลังโหลดข้อมูล

คุณต้องโหลดข้อมูลที่ระบุ - ตารางข้อมูลที่มีคอลัมน์ที่เลือกในแต่ละตาราง

การกำหนดความสัมพันธ์ระหว่างตาราง

ถัดไปคุณต้องกำหนดความสัมพันธ์เชิงตรรกะระหว่างตารางต่างๆที่อำนวยความสะดวกในการรวมข้อมูลจากตารางเหล่านั้นเช่นถ้าคุณมีตาราง - ผลิตภัณฑ์ - ที่มีข้อมูลเกี่ยวกับผลิตภัณฑ์และตาราง - การขาย - กับธุรกรรมการขายต่างๆของผลิตภัณฑ์ ด้วยการกำหนดความสัมพันธ์ระหว่างสองตารางคุณสามารถสรุปยอดขายผลิตภัณฑ์ที่ชาญฉลาด

การกำหนดประเภทข้อมูล

การระบุประเภทข้อมูลที่เหมาะสมสำหรับข้อมูลในแบบจำลองข้อมูลมีความสำคัญต่อความแม่นยำของการคำนวณ สำหรับแต่ละคอลัมน์ในแต่ละตารางที่คุณนำเข้าคุณต้องกำหนดประเภทข้อมูล ตัวอย่างเช่นประเภทข้อมูลข้อความประเภทข้อมูลจำนวนจริงประเภทข้อมูลจำนวนเต็มเป็นต้น

การสร้างข้อมูลเชิงลึกใหม่

นี่เป็นขั้นตอนสำคัญในการสร้างแบบจำลองวันที่สำหรับ BI แบบจำลองข้อมูลที่สร้างขึ้นอาจต้องใช้ร่วมกันกับหลาย ๆ คนที่ต้องการทำความเข้าใจแนวโน้มข้อมูลและตัดสินใจที่จำเป็นในเวลาอันสั้น ดังนั้นการสร้างข้อมูลเชิงลึกใหม่จากแหล่งข้อมูลจะได้ผลโดยหลีกเลี่ยงการทำซ้ำในการวิเคราะห์

ข้อมูลเชิงลึกใหม่สามารถอยู่ในรูปแบบของข้อมูลเมตาที่นักธุรกิจเฉพาะเจาะจงสามารถเข้าใจและใช้งานได้ง่าย

การวิเคราะห์ข้อมูล

เมื่อแบบจำลองข้อมูลพร้อมแล้วสามารถวิเคราะห์ข้อมูลได้ตามความต้องการ การนำเสนอผลการวิเคราะห์ก็เป็นขั้นตอนที่สำคัญเช่นกันเนื่องจากการตัดสินใจจะขึ้นอยู่กับรายงาน