fbpx
მენიუ
მონაცემთა საცავი (DWH)

მონაცემთა საცავი (DWH)

ცენტრალიზებული მონაცემთა საწყობი, სადაც თავს იყრის საჭირო ანალიტიკური მონაცემები სხვადასხვა მონაცემთა წყაროდან

შეაგროვე, აკონტროლე, მართე
უტყუარი ინფორმაცია ანალიტიკისთვის
უტყუარი ინფორმაცია ანალიტიკისთვის

კომპანიაში იქმნება ერთიანი, უტყუარი მონაცემთა წყარო, სადაც ხდება საჭირო მონაცემის ხარისხის ნორმირება და მათი ჩაწერა ანალიტიკისთვის მოსახერხებელ ფორმატში. შედეგად იზრდება ანალიტიკისთვის გამოსადეგი მონაცემების რაოდენობა

სააღრიცხვო სოფტებისგან დამოუკიდებლობა
სააღრიცხვო სოფტებისგან დამოუკიდებლობა

მონაცემთა საცავში შესაძლებელია მონაცემების შეკრება სხვადასხვა შიდა სააღრიცხვო თუ გარე წყაროებიდან და შედეგად კომპანიას ეხსნება შესაძლებლობა დააკვირდეს ისეთ ტენდენციებს, რაც კონკრეტული სოფტის ფარგლებში შეუძლებელი იქნებოდა

მეტი დრო ანალიტიკისთვის
მეტი დრო ანალიტიკისთვის

საცავში მონაცემების განახლება ხდება ავტომატურ რეჟიმში. მონაცემთა ანალიტიკოსებს აღარ უწევთ რესურსის დახარჯვა მათ გაერთიანება დამუშავებაზე. ანალიტიკოსებს ეძლევათ საშუალება რუტინის ნაცვლად, კონცენტრირდნენ ანალიტიკურ საქმიანობაზე

სისტემის არქიტექტურა

ერთიანი მონაცემთა საცავი- Data Warehouse წარმოადგენს მონაცემთა მართვის სისტემის საკვანძო ნაწილს. Data Warehouse აერთიანებს სხვადასხვა წყაროებში შეგროვებული მონაცემების იმ სიმრავლეს, რაც საჭიროა შემდგომი ანალიტიკური ამოცანების გადასაჭრელად. საცავში შესაძლოა გაერთიანდეს მონაცემები, როგორც კომპანიის შიდა სააღრიცხვო სოფტებიდან, ისევე გარე სტატისტიკური თუ ანალიტიკური წყაროებიდან.

საცავში ჩაწერამდე ხდება მონაცემთა იმგვარი ტრანსფორმაცია, რომ შესაძლებელია მათი გამოყენება მათემატიკური მანიპულაციებისთვის და სხვადასხვა ანალიტიკური დამუშავებისთვის; როგორც უშუალოდ ბაზაში, ასევე სხვადასხვა ანალიტიკური Business Intelligence ინსტრუმენტების მეშვეობით.

 სისტემის
Data Warehousing- ის
Data Warehousing- ის ეტაპები

მონაცემთა საცავის შექმნის პროცესი მოიცავს მონაცემების სხვადასხვა წყაროებიდან შეგროვებას, დამუშავებას და ორგანიზებას, ისე რომ მიღებული მონაცემთა ბაზა პასუხობდეს ბიზნესის ანალიტიკურ ამოცანებს. პროცესი შედგება შემდეგი ძირითადი ეტაპებისგან:

  1. ანალიტიკური ამოცანების და შესაბამისი საჭირო მონაცემების განსაზღვრა
  2. მონაცემთა წყაროების დადგენა/შესწავლა
  3. ინფრასტრუქტურის მომზადება (სერვერი და პროგრამული ლიცენზიები)
  4. მონაცემთა საცავის არქიტექტურის განსაზღვრა და დეველოპმენტი
  5. მონაცემთა გაცვლის ETL პროცესის აწყობა
  6. მონაცემთა პროცესინგი, ანალიტიკური მიზნებისთვის დამუშავება
  7. მონაცემთა უსაფრთხოების და ოპტიმალური წარმადობის უზრუნველყოფა
Data Warehousing- ის
 გაინტერესებს მეტი მონაცემთა საცავთან დაკავშირებით?
გაინტერესებს მეტი მონაცემთა საცავთან დაკავშირებით?
Data Warehousing-ის უპირატესობები

მონაცემთა საცავები კონკრეტული პროგრამული უზრუნველყოფებისგან განსხვავებით:

  • იძლევა ისტორიული ანალიზის შესაძლებლობას – ორგანიზაციაში არსებული ყველა ისტორიული მონაცემი მოთავსებულია ერთ საერთო საცავში, რაც ერთ წყაროსთან ურთიერთობის შედეგად მთლიანი ისტორიის ანალიზის კეთებას შესაძლებელს ხდის.
  • ზრდის მასშტაბირებას – მონაცემთა საცავის არქიტექტურა და შესაბამისი ინფრასტრუქტურა საშუალებას იძლევა შეინახოთ დიდი პერიოდის და მოცულობის მონაცემები სასერვერო ინფრასტრუქტურის მინიმალური რესურსის გამოყენებით.
  • ზრდის მონაცემთა შესაბამისობას და ხარისხს – საერთო საცავში მონაცემების მოთავსებასთან ერთად ხდება მონაცემების ტრანსფორმაცია და დამუშავება, რაც ზრდის მონაცემების ურთიერთშესაბამისობას და ხარისხს.
  Data Warehousing-ის
 Data Warehousing-ის
Data Warehousing-ის უპირატესობები
  • ურთიერთქმედებს ლოკალურ და ღრუბლოვან საცავებთან – მონაცემთა საცავის შექმნისას და მასთან ურთიერთობისას შესაძლებელია გამოვიყენოთ, როგორც ლოკალური და ღრუბლოვანი წყაროები და ინსტრუმენტები, ასევე ჰიბრიდული ვარიანტები
  • აკმაყოფილებს მეტ ანალიტიკურ მოთხოვნას – მონაცემთა საცავთან ურთიერთობისას მისი არქიტექტურა ზრდის მონაცემებთან ურთიერთობის პროგრამული ენის – SQL Query-ის წარმადობას და დიდი მონაცემების ოპტიმალურ ფორმატში მიღების საშუალებას.
  • ზრდის ადამიანური რესურსის ეფექტურობას – ერთიან სივრცეში მოთავსებული მონაცემები საჭიროების შემთხვევაში მარტივად გამოყენებადია, რადგან იკლებს მათთან მიმართვის და მათი დამუშავების დრო.
 Data Warehousing-ის
მონაცემთა ლაბორატორიის დირექტორი

ირმა სხვადასხვა წამყვან პოზიციაზე მუშაობდა, მათ შორის იყო ლინ ტრანსფორმაციის კოორდინატორი, IT პორტფოლიოს მენეჯერი და ეჯაილ ქოუჩი. საქართველოში დანერგა ლინ მენეჯმენტი საკონსულტაციო კომპანია Mckinsey & co- სთან და ადგილობრივ გუნდთან ერთად, როგორც ფრონტ ოფისში ასევე ბექ ოფისში.

ირმა ბერძენიშვილი

  • IBerdzenishvili@bdo.ge
  • +995 32 254 58 45
  • Linkedin
  • გაეცანი ტრენდებს და სიახლეებს