Veri Planlama ve Bilgi Yorgunluğu Sendromu

Veri planlama ve bilgi yorgunluğu sendromu hakkında bilgi edinmek için bu makaleyi okuyun:

Bilgi hacimleri geometrik ilerlemelerde artıyor ve gerçekleşen bilgi patlamasıyla baş etmek giderek daha zor hale geliyor.

Resim Nezaket: engazegypt.com/uploads/services/136853078516158773-internet-a.jpg

Veri planlaması da bu soruna odaklanmalıdır. Aşağıdaki paragraflar bu sorunu ve veri tabanı teknolojisinin bu soruna tepkisini ele almaktadır.

Bilgi Yorgunluğu Sendromu:

Son zamanlarda yapılan uluslararası bir bilgi araştırması olan “Bilgi için Dying”, tüm yöneticilerin yarısının, sağlık durumunun yüksek seviyede mevcut olan stres düzeyine ekleme etkisine sahip olan aşırı bilgi yükünden şikayet ettiğinin şaşırtıcı bir şekilde ortaya çıkmasına neden oldu. faks, sesli posta ve internet çağındaki yönetici ikileminde.

Ayrıca, yüksek düzeyde bilgi olmadan da iyi işlem yapamayacaklarını düşünüyorlar. Ancak çoğu zaman alakasız verilerin bu ağır yükü verimliliklerini etkiler ve şirket makinesini tıkar. 'Zaman kaybı, kararları geciktirmek ve gerginlik aşırı bilgi yüklemesine kadar izlenebilir'.

'Çok fazla bilgiye sahip olmak, çok az olması kadar tehlikeli olabilir' bugün yöneticilerin karşılaştığı ikilemi özetliyor. Bu fenomen “Bilgi Yorgunluğu Sendromu” olarak adlandırılmaktadır ve “şimdi bir yöneticinin hayatının bir parçası” dır. Ünlü Mariner'ın 'Her yerde su damlası değil her yerde su suyu' bilgisine uygun hale gelebilir.

Geç saatlerde, Bilgi Yorgunluğu Sendromu tarafından ortaya konan zorlukların üstesinden gelmek için girişimlerde bulunulmuştur. Yöneticilere kaliteli bilgi sağlamak için veritabanı teknolojisi, sorgu dilleri, 4GL'ler, OOP'lar, yönetici bilgi sistemleri, uzman bilgi sistemleri vb. Gibi çeşitli yazılım teknikleri mevcuttur.

Bununla birlikte, bu tekniklerin bilgi havuzundaki önemli oranda büyüme nedeniyle görev için yetersiz olduğu bulunmuştur. Bunun temel nedeni, veri tabanlarında bulunan verilerin işlem yönelimli olması ve konu yönelimli olmamasıdır.

Mevcut işlemlerle ilgili veriler bir veritabanı yöneticisinin dikkatini çeker. Sigara satışı, alkolsüz içecek ve bebek maması arasındaki ilişki nedir? veya eğer mağazanın akşam geç saatlerde de açık tutulması durumunda satışta beklenen artış nedir, bugünün bilgi yöneticilerine şok dalgaları gönderebilir.

Bunun gibi soruları sorgulamak, farklı durumlarda müşterilerin davranışlarıyla ilgili mevcut ve geçmiş verilerden oluşan geniş bir havuz kullanımını gerektirir. Bu tür soruları karşılamak için özel olarak tasarlanmış bir veri deposu gerektirir. Analiz ve depolama zamanını ve maliyetini azaltmak için, bu durumda veriler, belirli miktarda temel toplama ve analizden sonra depolanmalıdır.

Toplamanın derecesini belirlemek ve fazlalığı ortadan kaldırmak, bilgi yöneticilerinden önce büyük bir zorluk teşkil etmektedir. Bu gibi durumlarda sorguların niteliği beklenemeyeceğinden, görev daha da zorlaşıyor. Bu zorluğu gidermek için Bilgi Deposu yaklaşımı geliştirilmiştir.

Veri Depolama Yaklaşımı:

Veri depolama yaklaşımı (bazen bilgi depolama yaklaşımı olarak da bilinir), diğer fiziksel girdiler için depolarda kullanılan temel yaklaşımın ardından bilgilerin edinilmesi, saklanması ve sunulması gerektiğini önermektedir.

Genel depo tesisleri, herhangi bir stokun üretim sürecini engelleyeceğini ve sonuç olarak bunun sonucunu doğuracağının farkına varılarak geliştirilmiştir. Böylece, ihtiyaç duyulan ürünler düzenli ve kasıtlı olarak tedarik edilir, işlenir ve her zaman kullanıma hazır durumda tutulur.

Bilgi depolama yaklaşımının ayırt edici özelliği, bir işletme tarafından tutulan normal veritabanlarından farklı bir veri ambarı yaratmasıdır.

Buradaki varsayım, üretim, pazarlama ve finans gibi farklı kaynaklardan toplanan ve konsolide edilen ve elde edilen verilerin, kullanıcıların karmaşık analitik sorgularına müdahale edilemeyecek kadar önemli olduğu varsayımıdır. Bu nedenle, sorgular, analitik sorguları karşılamak için özel olarak düzenlenen çıkarılmış bir veritabanına karşı yapılır. Böyle bir veritabanına Meta veri de denir.

Bu yaklaşım analitik araçları, yüksek hızlı paralel ve çok işlemcili sistemleri özel algoritmalar ve yazılım araçlarıyla birleştirir. Yaklaşımın ayırt edici özellikleri, analitik sorguları karşılamak için benimsemiş olduğu süreçteki adımlar ile daha iyi anlaşılabilir. Bu adımlar:

a. Farklı uygulamalar yürüten çeşitli kaynaklardan gelen verilerin toplanması veya toplanması olarak da adlandırılan verilerin toplanması;

b. Tutarlılık ve eksiksizlik sağlamak için verilerin temizlenmesi (veri temizleme). Ayrıca, gereksiz veri öğelerinin kaldırılmasını da içerir;

c. Verilerin, özellikle verilerin analizi için tasarlanmış veritabanlarında düzenlenmesi. Bu veritabanı tasarımları, bir kurumdaki kayıt ve raporlama işlemlerinde kullanılanlardan farklıdır. Kaynak, orijinallik, denetim izleri vs.

d. On-Line Analitik İşlemciler (OLAP'ler), Veri Madenciliği Araçları, Veri Görselleştirme Araçları, İnternet Etkinleştirme Araçları, Yönetici Bilgi Sistemleri (EIS) ve kullanıcıların zorlu analitik sorgularını karşılamak için diğer veri analizi ve raporlama araçlarının mevcudiyeti.

Alınması gereken kritik bir karar, bilgi veritabanlarında depolanacak verilerin seçimi ile ilgilidir. Gelecekle ilgili bilgi ihtiyaçlarını önceden tahmin etmek mümkün olduğunda, iki kutudan oluşan bir model yeterli olacaktır.

Bu modelde, işlem verileri özetlenir ve ileride gerekli olabilecek veriler bilgi veritabanına kopyalanabilir. Gelecekteki bilgi ihtiyaçlarını öngörmek mümkün değilse, üç kutu modeli daha uygun olabilir. Bu modelde, tüm işlem verileri önce tarihsel veritabanı olarak adlandırılan yerde saklanır ve daha sonra seçilen bir kısmı da bir bilgi veritabanında tutulur. Şekil 9.9, iki modeli göstermektedir.

Veri depolama yaklaşımı, en iyi yazılım üreticileri arasında daha geniş kabul edilebilirliği ile belirtildiği gibi zemin kazanıyor. Şimdi, Oracle, Sybase, Informix ve IBM gibi önde gelen veritabanı yazılım şirketleri bu yaklaşımı açıkça savundu. Informix, veri depolama yaklaşımının babası olarak kabul edilen Bill Inmon tarafından oluşturulan bir şirket olan Prism Solutions ile bağlantılar kurdu.

Veri depolama yaklaşımının faydaları:

Veri depolama aşağıdaki nedenlerden dolayı popüler hale geliyor:

a. Veri toplama depoları depolandığından ve günlük işlemler analiz sürecini engellemediğinden, veri analizi hızını arttırır.

b. Sorgunun niteliği bakımından esneklik sunar ve işlemler yerine konulara ve faaliyetlere odaklanır.

c. Müşterilerin, tedarikçilerin, yatırımcıların vb. Çeşitli iş süreçlerini ve davranış modellerini anlamaya yardımcı olur.

Veri depolama kullanımındaki başarı öykülerinden bazıları, perakende mağaza operasyonlarının farklı yönlerinde 7.5 terabayt veri depolamayı işleyen Wal-Mart perakende mağaza zincirini içerir. Satışlardaki eğilimler analiz edilir ve indirimler ve diğer kararlar gibi çeşitli değişikliklerin satışlar üzerindeki etkisi, gelecekteki eylem planını yönlendirmek için düzenli olarak değerlendirilir.

Diğer bir örnek ise, Money 3000, Menkul Değerler 3000 ve Treasury 3000 gibi yeni bir dizi bilgi hizmetleri geliştiren bir finansal bilgi hizmeti sağlayıcısı olan Reuters'e aittir. Şirket, kullanıcılarının piyasalar hakkındaki geçmiş bilgilerine erişmesini sağlayarak finansal bilgilere değer kattı. ve aletler.

Dünya genelinde çeşitli bilgisayarlarda depolanan verilere erişim sağlamak ve saklamak için veri depolama yaklaşımını kullanır. Veriler 236 pazar, 241 analist ve 50 üçüncü taraf yeni yayın ve 1860 gazeteciden oluşan ekibinin de dahil olduğu 4600 farklı kaynaktan toplandı. Böyle büyük bir veri için, veri depolama yaklaşımı en uygun olarak kabul edildi.

Veri Ambarında Kritik Başarı Faktörleri:

Bir veri depolama sisteminin tüm faydalarını gerçekleştirmek için, bu tür sistemlerin etkinliği için kritik olan faktörleri dikkate almak önemlidir.

Bu faktörlerin bazıları:

a) Veri depolama yaklaşımı, donanım ve yazılıma büyük yatırım gerektirir. Bu yaklaşım, bu nedenle, sistemin potansiyelinden tam olarak yararlanılabildiği yalnızca büyük ölçekli şirketlerde anlamlı olacaktır.

b) Veri depolama, hali hazırda iyi kurulmuş veritabanlarında büyük mimari değişiklikler gerektirmektedir. Bu tür değişiklikler mevcut sistemlerin işleyişinde engellere neden olabilir veya mevcut sistemlerin bir süredir yeni sistemlerle çalışan paralellikler olması gerekebilir.

Benzer şekilde, bu sistemlerin başarılı bir şekilde uygulanmasını engelleyebilecek başka teknolojik ve ticari engeller var. 18-24 ay arasında değişen uygulama süresince engellerin elleçlenmesi, depolama sisteminin başarısında önemli bir faktör olacaktır.

c) Bu yaklaşımın tam potansiyeli ancak bilgi üretmek için bir dizi veri analizi aracı kullanıldığında gerçekleştirilebilir. Veri analizi araçlarının seçimi ve kullanımı, bu kültürlerin yanı sıra kurum kültürünün kullanılabilirliğine de bağlıdır. Bir işletmede uygun bir iş kültürü hüküm sürerse, veri depolama yaklaşımı başarılı olacaktır.

d) Bu yaklaşım, günlük faaliyetlerde BT penetrasyon derecesinin çok yüksek olduğu çok olgun bir BT ortamı varsaymaktadır. Kullanıcı kuruluşu, manyetik medyada önceden depolanmış büyük miktarda geçmiş verilere sahip olmalıdır. Dolayısıyla, bu bir evrimsel süreçtir, devrimci bir süreç değildir.

Bu yaklaşımdaki yatırımın geri dönüşü gri bir alandır ve bu nedenle, veri ambarlama menziline geçmeden önce bir maliyet-fayda analizi yapılmalıdır.