Major benefit of Data Warehouses
1. ได้ข้อมูลมาใช้งานอย่างทันเวลา เพราะข้อมูลถูกเก็บรวบรวมไว้ในที่เดียวกัน
2. ผู้ใช้งานเข้าถึงและนำข้อมูลมาใช้ได้ง่ายขึ้น
Characteristics of Data Warehouses
1. ความสม่ำเสมอของข้อมูล - ข้อมูลที่เก็บใน Data Warehouses ควรมีลักษณะสม่ำเสมอ แต่ในความเป็นจริง Data input มักไม่สม่ำเสมอ เช่น แต่ละแผนกกรอกข้อมูลเดียวกันไม่เหมือนกัน, มี format ที่ต่างกันจาก fact ตัวเดียวกัน, แต่ละแผนก update ข้อมูลต่างกัน
2. ต้องเก็บข้อมูลที่จำเป็น - Data Warehouses ต้องเก็บข้อมูลที่จำเป็นสำหรับผู้บริหาร เพื่อนำไปวิเคราะห์และตัดสินใจ เมื่อมีการเรียกข้อมูล ตัวโปรแกรม Data Warehouses จะดึงข้อมูลจาก Data Warehouses และนำเสนอในรูปแบบต่างๆ เช่น ‘Drill Downs’ จะให้ข้อมูลในภาพใหญ่ไปหาภาพย่อย ตรงกันข้ามกับ ‘Roll ups’ เช่น จะดูข้อมูลมหาวิทยาลัย และเลือกดูข้อมูลคณะพาณิชย์ฯ สนใจข้อมูลของสาขาวิชาการบัญชี เป็นต้น
Data Warehouse Making Process
1. รวบรวมข้อมูลมาทำ Data Warehouses โดยเราจะดูว่าต้องการข้อมูลอะไรบ้างเพื่อนำมาจัดทำData Warehouses ซึ่งแหล่งข้อมูลมาจาก
· Operational Data เป็นข้อมูลภายในของบริษัท มาจากระบบ TPS เช่น ข้อมูลยอดขาย 5 ปี
· External Data เป็นข้อมูลภายนอกบริษัท เช่น ข้อมูลคู่แข่ง
2. จัดทำ Meta Data โดยนำข้อมูลที่รวบรวมมาสร้าง Meta Data ซึ่งคือ ข้อมูลของข้อมูล ใช้อธิบายข้อมูลใน Data Warehouses
3. Data Staging ย่อขั้นตอนได้ว่า E(C)TL
3.1 Extract พิจารณาว่าจะเอาข้อมูลอะไร รูปแบบใด มาไว้ใน Data Warehouses
3.2 Clean หากพบข้อมูลจาก 2 แหล่งไม่ตรงกัน ต้องเลือกข้อมูลเดียวที่ถูกต้องเก็บไว้
3.3 Transform แปลงข้อมูลให้อยู่ใน format ที่ต้องการ
3.4 Load มีการโหลดข้อมูลลง Data Cube ทำให้ข้อมูลหนึ่งๆมีหลายมุมมอง ผู้ใช้สามารถนำข้อมูลไปใช้วิเคราะห์ได้หลายมุมมอง
4. ยึด Business object เป็นหลัก เมื่อสร้าง Data Warehouse
5. สร้าง Business View ผู้บริหารสามารถเรียกดูข้อมูลที่ต้องการได้ โดยดึงข้อมูลจาก Data Warehouses เช่น รูปแบบ Dashboard ที่นำเสนอข้อมูลเป็น chart progress
6. Information Catalog Enterprise Data Warehouse เป็น Data Warehouse ของทั้งองค์กร ฝ่ายไหนอยากจะใช้ข้อมูลก็สามารถมาดึงข้อมูลเอาได้ ถ้าแต่ละหน่วยงานดึงข้อมูลพร้อมๆกัน ระบบก็จะช้า และข้อมูลที่ดึงมาก็ไม่ได้เกิดประโยชน์ทั้งหมดด้วย คือ ต้องการข้อมูลแค่ส่วนงานบางส่วน แต่ข้อมูลที่ดึงมามีข้อมูลของส่วนงานอื่นที่ไม่จำเป็นต้องใช้ติดมาด้วย มีการแก้ปัญหาโดยการทำ Data Mart
Data Mart คือ Data warehouses ขนาดย่อม ซึ่งแบ่งข้อมูลตามความต้องการของผู้ใช้แต่ละประเภท Data Mart แบ่งเป็น 2 ประเภท
1. Replicated (dependent) data marts องค์กรทำ Enterprise Data Warehouse รวม แล้วแต่ละแผนกจะแยกข้อมูลมาทำ mart ของแผนกตนเอง
2. Stand–alone data marts เกิดในกรณีองค์กรไม่พร้อมทำ Enterprise Data Warehouse ก็ทำเฉพาะ marts ในส่วนงานของตัวเองที่พร้อมไปก่อน เมื่อแต่ละส่วนงานพร้อมกันมากๆแล้วค่อยเอามารวมเป็น Enterprise
Business Intelligence (BI)
Business Intelligence คือ เครื่องมือในการสร้าง Information สำหรับการวิเคราะห์ข้อมูลของผู้บริหารระดับสูง ประกอบไปด้วย 3 ส่วน ได้แก่
· Data Mining
คือ การค้นหาและคัดกรองข้อมูลที่มีอยู่จำนวนมาก ให้ได้ข้อมูลที่ผู้ใช้สามารถนำไปใช้ประโยชน์ได้จริง โดย กระบวนการแปลงและวิเคราะห์ข้อมูลแบ่งออกเป็น 5 รูปแบบ ได้แก่
1. Clustering เป็นการจัดกลุ่มของข้อมูล โดยไม่มีการตั้งสมมติฐานไว้ล่วงหน้า
2. Classification เป็นการจัดกลุ่มของข้อมูลเช่นกัน แต่มีการตั้งสมมติฐานไว้ล่วงหน้า
3. Association ผลสืบเนื่อง
4. Sequence Discovery ผลที่เกิดตามมา
5. Prediction การคาดการณ์ไปในอนาคต
· Text Mining
คล้ายกับ Data mining แต่จะใช้กรณีที่ข้อมูลแบบ Unstructured Data
· Web Mining
BI Functions and Features
แบ่งออกเป็น 3 กลุ่ม คือ
· Reporting and Analysis
· Analytics
· Data Integration
นายสัจจวัฒน์ จันทร์หอม
เลขทะเบียน นศ. 5302110043
ไม่มีความคิดเห็น:
แสดงความคิดเห็น