빅 데이터 스택의 계층 4 : 분석 데이터웨어 하우스 - 더미

데이터웨어 하우스, 빅 데이터 스택의 레이어 4 및 그 동반자 인 데이터 마트는 의사 결정자를 돕기 위해 데이터를 최적화하는 데 오랫동안 주요 기술이었습니다. 일반적으로 데이터웨어 하우스 및 마트에는 다양한 소스에서 수집 된 정규화 된 데이터가 포함되어있어 비즈니스 분석을 용이하게합니다.

데이터웨어 하우스 및 마트는 보고서 작성 및 서로 다른 데이터 항목의 시각화를 단순화합니다. 일반적으로 관계형 데이터베이스, 다차원 데이터베이스, 플랫 파일 및 개체 데이터베이스 (기본적으로 모든 저장소 아키텍처)로 만들어집니다. 성능이 최우선 순위가 아닐 수있는 전통적인 환경에서 기본 기술의 선택은 회사 데이터의 분석,보고 및 시각화에 대한 요구 사항에 의해 결정됩니다.

데이터 구성과 분석 준비가 중요하기 때문에 대부분의 데이터웨어 하우스 구현은 일괄 처리를 통해 최신 상태로 유지됩니다. 문제는 일괄로드 된 데이터웨어 하우스 및 데이터 마트가 많은 대용량 데이터 애플리케이션에 충분하지 않을 수 있다는 것입니다. 고속 데이터 스트림에 의해 부과되는 스트레스는 대용량 데이터웨어 하우스에 대한보다 실시간 접근을 필요로 할 것입니다.

이는 분석 데이터웨어 하우스 또는 데이터 마트를 배치 프로세스로 생성 및 공급하지 않는다는 의미는 아닙니다. 오히려 여러 개의 데이터웨어 하우스 또는 데이터 마트가있을 수 있으며 성능 및 규모에는 분석가 및 의사 결정자의 시간 요구 사항이 반영됩니다.

기존 데이터 스트림 (트랜잭션, 응용 프로그램 등)은 많은 양의 다른 데이터를 생성 할 수 있습니다.

• 수십 개의 새로운 데이터 소스도 존재하며, 각각의 데이터 소스는시기 적절하고 비즈니스에 유용하기 전에 어느 정도 조작이 필요합니다.

• 콘텐츠 소스도 정리해야하며 구조화 된 데이터와는 다른 기법이 필요할 수 있습니다.

• 역사적으로 데이터웨어 하우스 및 데이터 마트의 내용이 조직되어 전략 및 계획을 담당하는 비즈니스 리더에게 전달되었습니다. 큰 데이터가 있으면 새로운 팀이 의사 결정을 위해 데이터를 활용합니다. 많은 빅 데이터 구현이 실시간 기능을 제공하므로 기업은 운영 지원 담당자가 고객 지원, 영업 기회 및 서비스 중단과 같은 문제를 거의 실시간으로 해결할 수 있도록 컨텐츠를 제공 할 수 있어야합니다.이 방법으로 큰 데이터는 백 오피스에서 프론트 오피스로 작업을 이동시키는 데 도움이됩니다.

기존 분석 도구 및 기술은 큰 데이터를 이해하는 데 매우 유용합니다. 그러나, 잡기가있다. 이러한 도구의 일부인 알고리즘은 잠재적으로 실시간 및 이종 데이터를 다량으로 처리 할 수 ​​있어야합니다. 이를 지원하기 위해서는 기반 시설이 마련되어 있어야합니다. 또한 분석 도구를 제공하는 공급 업체는 분산 된 구현에서 알고리즘이 작동하는지 확인해야합니다. 이러한 복잡성으로 인해 큰 데이터를 이해하는 데 도움이되는 새로운 도구가 필요합니다.

참조 아키텍처의이 계층에는 세 가지 클래스의 도구가 있습니다. 이들은 의사 결정자가 독립적으로 또는 집단적으로 비즈니스를 조종하는 데 사용할 수 있습니다. 세 가지 클래스의 도구는 다음과 같습니다.

보고 및 대시 보드:

이 도구는 & ldquo; 사용자 친화적 인 & rdquo; 다양한 출처로부터의 정보 표현. 전통적인 데이터 세계의 주류이지만,이 영역은 여전히 ​​큰 데이터를 위해 진화하고 있습니다. 사용되는 도구 중 일부는 이제 NoSQL (SQL뿐 아니라)이라고 불리는 새로운 종류의 데이터베이스에 액세스 할 수있는 전통적인 도구입니다.

시각화:

• 이러한 도구는보고 발전의 다음 단계입니다. 출력은 본질적으로 상호 작용이 강하고 동적 인 경향이 있습니다. 보고서와 시각화 된 출력 간의 또 다른 중요한 차이점은 애니메이션입니다. 비즈니스 사용자는 마인드 맵, 히트 맵, Infographics 및 연결 다이어그램을 비롯한 다양한 시각화 기법을 사용하여 데이터의 변경 사항을 볼 수 있습니다. 보고 및 시각화는 비즈니스 활동이 끝날 때 발생합니다. 분석 및 고급 분석:

• 이 도구는 데이터웨어 하우스에 도달하여 사람이 소비 할 수있는 데이터를 처리합니다. 고급 분석은 기존 비즈니스 관행에 변형적이고 독창적이며 혁신적인 추세 또는 이벤트를 설명해야합니다. 예측 분석 및 정서 분석은이 과학의 좋은 예입니다.