Управление эффективностью бизнеса

Хранилища данных

Напомним определение Билла Инмона: «хранилища данных — это пред­метно-ориентированные, интегрированные, стабильные, поддерживаю­щие хронологию наборы данных, организованные для целей поддержки управления, призванные выступать в роли "единого и единственного источника истины", обеспечивающего менеджеров и аналитиков досто­верной информацией, необходимой для оперативного анализа и приня­тия решений».

Данные попадают в хранилище из оперативных (транзакционных) сис­тем, а также из внешних источников. По аналогии с «материальными» хранилищами хранилища данных предусматривают такие операции, как сбор данных («приход материалов на склад»), хранение данных («складской запас»), перемещение в витрины данных («отгрузка това­ров в розничную сеть»).

С экономической точки зрения хранилище данных приносит долго­срочный эффект тогда, когда оно становится надежным механизмом дос­тавки данных, существенных для анализа и принятия решений. При этом не следует забывать и о затратной части, ведь информация может считать­ся действительно полезной лишь тогда, когда экономические выгоды от ее использования превышают затраты, связанные с ее приобретением. Построение хранилища данных — достаточно сложный проект, и обеспе­чить его окупаемость в краткосрочной перспективе бывает непросто.

Высокая стоимость проектов по хранению данных объясняется прежде всего необходимостью сбора, преобразования и обобщения данных из различных источников. Эта работа необходима, но в то же время трудо­емка и отнимает много времени. Подсчитано, что стоимость извлечения, преобразования и обобщения данных составляет от 60% до 80% от общей стоимости обычного проекта по созданию хранилища данных. Неоправ­данных затрат можно избежать на этапе проектирования хранили­ща — за счет определения состава и структуры загружаемых в хранили­ще данных. Следует помнить, что предназначение хранилища вовсе не заключается в функциях гигантского электронного архива, хранящего все, что только можно. К сожалению, распространенной ошибкой явля­ется недостаточное внимание, уделяемое качеству данных, а также пре­валирование технологических соображений над экономическими.

Но добиться сбалансированной структуры хранилища не так просто. Самое сложное — определить, какие данные полезны для аналитика и менеджера, а какие нет. Также важен способ размещения данных в хра­нилище и процессы идентификации, анализа и преобразования данных перед их загрузкой в хранилище.

В качестве основы хранилища данных рекомендуется использование реля­ционной, нормализованной модели, что существенно облегчит дальнейшее развитие такого хранилища. Впрочем, имеет место и другой путь — приме­нение оптимизированных структур, например многомерных (по этому пути пошли разработчики компании SAP в своем продукте SAP BW). Од­нако, по мнению ряда исследователей (например, Билла Инмона[24]), такой

Подход имеет целый ряд недостатков, не являясь достаточно гибким и универсальным. И действительно, если данные из хранилища поступают лишь в ограниченное количество витрин данных и аналитических прило­жений, то от хранилища вовсе не требуется возможность поддержания специализированных запросов. В этом отношении использование реляци­онных баз данных экономичнее (без потери функциональности), а следо­вательно, предпочтительнее.

После того как хранилище построено, встает вопрос об использовании данных конечными пользователями. При этом могут применяться раз­личные средства (от специализированных средств создания пользова­тельских запросов и отчетов до привычных электронных таблиц), в за­висимости от решаемых задач, предпочтений и опыта пользователей. И все же существует целый спектр задач, которые предъявляют к ин­формационным системам особые требования: это задачи, требующие оперативной (то есть в режиме реального времени) обработки достаточ­но больших объемов данных в разных аналитических разрезах. Вообще экономический анализ, как правило, бывает многомерным: информация может быть сгруппирована и консолидирована по разным признакам, причем разные группы пользователей информации заинтересованы в разных способах группировки.

Таким образом, превращение разрозненных данных в структуриро­ванную информацию, описанную в экономических терминах и позво­ляющую принимать обоснованные управленческие решения, можно считать одной из самых актуальных задач, стоящих перед компания­ми. Причем обработка данных и принятие решений должны быть настолько оперативными, насколько этого требуют интересы бизнеса. Именно для этого предназначены специальные системы аналитической обработки данных в режиме реального времени — О LAP, а приме­ром программного продукта такого класса может служить Hyperion Essbase.

Управление эффективностью бизнеса

OLAP: история развития и характеристики

Идея обработки многомерных данных восходит к 1962 г., когда Кен Айверсон опубликовал свою работу «Язык программирования» (A Pro­gramming Language, APL)[25]. APL — это математически определенный язык с многомерными переменными и …

Сбор исходных данных

Несмотря на то, что процесс консолидации не является учетным про­цессом в классическом понимании, методология консолидации требует использования не только отчетности компаний группы, но и ряда до­полнительных показателей, необходимых как для …

ТЕХНОЛОГИЧЕСКИЕ АСПЕКТЫ ВРМ

Как уже отмечалось, ВРМ — это не только концепция управления, но и определенный класс информационных систем, поддерживающих эту концепцию. Возникает логичный вопрос: каково место информационных ВРМ-систем среди многообразия других программных …

Как с нами связаться:

Украина:
г.Александрия
тел./факс +38 05235  77193 Бухгалтерия
+38 050 512 11 94 — гл. инженер-менеджер (продажи всего оборудования)

+38 050 457 13 30 — Рашид - продажи новинок
e-mail: msd@inbox.ru
msd@msd.com.ua
Схема проезда к производственному офису:
Схема проезда к МСД

Оперативная связь

Укажите свой телефон или адрес эл. почты — наш менеджер перезвонит Вам в удобное для Вас время.