सामग्री
- डेटा वेअरहाउसिंग म्हणजे काय?
- डेटाचे प्रकार
- वेळ-भिन्न डेटा
- विषय-अभिमुख डेटा
- समाकलित डेटा
- व्यवसाय विश्लेषणे आणि अहवाल निर्मिती
- सांख्यिकीय सॉफ्टवेअर आणि व्यवसाय बुद्धिमत्ता
- डेटा खनन
- थोडक्यात डेटा वेअरहाउसिंग
टेकवे:
डेटा व्हेरहाउसिंग ऐतिहासिक, वर्तमान आणि भविष्यातील डेटा एकत्रित करण्यासाठी एक ठोस पाया प्रदान करते, संस्थेस अहवाल तयार करण्यास परवानगी देते, प्रगत विश्लेषण घेते आणि काही डेटा खाण करतात.
बरेच व्यवसाय सातत्याने मोठ्या प्रमाणात डेटा गोळा करतात. परंतु ती माहिती वापरण्यासाठी, प्रक्रियांचा आणि कार्यपद्धतींचा एक संचाचा संचा सेट केला जाणे आवश्यक आहे.
आपण डेटा वेअरहाउस विकसक असलात किंवा आपण प्रथमच डेटा वेअरहाउसिंग संज्ञा ऐकत असाल तर, डेटा वेअरहाउसिंगची मूलतत्त्वे समजून घेत - त्याचा अर्थ काय आहे, त्याचा वापर कसा होतो आणि त्याद्वारे मिळणारे फायदे - हे आवश्यक आहे.
एकदा डेटाचे योग्य विश्लेषण केले गेले की त्याचा वापर सामान्य ट्रेंड व नमुन्यांचा एंटरप्राइझवर होणा the्या सकारात्मक आणि नकारात्मक प्रभावांचे स्पष्ट चित्र तयार करण्यासाठी केला जाऊ शकतो. ते पुरेसे सोपे आहे, परंतु डेटा वेअरहाउसिंगमधील एक प्रमुख आव्हान म्हणजे डेटा उपयुक्त आहे याची खात्री करणे.
डेटा वेअरहाउसिंग म्हणजे काय?
डेटा वेअरहाऊस एक सेंट्रलाइज्ड स्टोरेज युनिट (डेटाबेस) आहे जो डेटा आणि त्याच्या सर्व सखोल तपशीलांना परिभाषित आणि एकत्र करतो. या तपशीलांमध्ये समाकलित डेटा मॉडेलच्या वापराद्वारे एखाद्या संघटनेचा ग्राहक आधार, सेवा प्रदाता, पुरवठा करणारे, व्यवहार किंवा व्यवसायाशी संबंधित माहिती असू शकते. (व्यवसाय प्रक्रिया व्यवस्थापनाबद्दल जाणून घेण्यासाठी, बीपीएम आणि एसओए पहा: ते व्यवसाय कसा चालवतात.)
डेटा वेअरहाउसिंग विविध स्त्रोतांकडील डेटा खेचते जे एंटरप्राइझवर उपलब्ध करुन दिले जातात; त्यानंतर या डेटाचे विश्लेषण वेगवेगळ्या मार्गांनी केले जाऊ शकते. डेटा वेअरहाउस एक समाकलित, नॉनव्होटाईल, वेळ-रूपे आणि विषय-आधारित माहितीचा संग्रह आहे. याचा अर्थ असा आहे की डेटा वेअरहाऊसने खालील उद्दिष्टे साध्य केली पाहिजेतः
- कॅप्चर करा आणि व्यवसाय मेटाडेटामध्ये प्रवेश द्या
- डेटाची गुणवत्ता सुधारित करा आणि व्युत्पन्न केलेल्या अहवालातील विसंगती कमी करा
- बर्‍याच स्त्रोतांमधून डेटा समाकलित करा आणि डेटा सामायिकरण प्रदान करा
- ऐतिहासिक आणि वर्तमान डेटा प्रभावी आणि कार्यक्षमतेने विलीन करून सर्व अहवाल देण्याच्या गरजा गती आणि कार्यक्षमता वाढवा
डेटाचे प्रकार
डेटा गोदाम विविध स्त्रोतांकडून डेटा घेऊन आणि व्यवसाय वापरकर्त्यांना एका सामायिक स्थानावरून त्वरीत गंभीर डेटामध्ये प्रवेश करण्याची अनुमती देऊन वर्धित व्यवसाय बुद्धिमत्ता तंत्र प्रदान करते. डेटा वेअरहाऊसमध्ये गोळा केलेल्या डेटाचा प्रकार विशिष्ट-कालावधीत विषय-देणारं, समाकलित केलेला आणि ओळखला जाणारा किंवा समक्रमित केलेला आहे.
जेव्हा डेटा वेअरहाउसिंगचा प्रश्न येतो तेव्हा, डेटाचे चार मुख्य प्रकार असतात:
जेव्हा कोणालाही सॉफ्टवेअर गुणवत्तेची काळजी नसते तेव्हा आपण आपली प्रोग्रामिंग कौशल्ये सुधारू शकत नाही.
वेळ-भिन्न डेटा
टाईम-व्हेरिएंट डेटा सुनिश्चित करते की डेटा गोदामात संग्रहित सर्व माहिती विद्यमान आहे आणि वास्तविक वेळेत व्युत्पन्न केली गेली आहे. डेटा वेअरहाऊसमधील सर्व की स्ट्रक्चर्समध्ये मागील पाच ते 10 वर्षांसारख्या क्षितिजे दृष्टीकोनातून माहिती प्रदान करून काळाचा एक घटक असतो.
विषय-अभिमुख डेटा
विषय-देणारं डेटा व्यवसायाच्या प्रमुख विषय श्रेणींवर आधारित आहे, जसे की ग्राहक, विक्री, उत्पादने आणि सेवा. विषय अभिमुखता संस्थेच्या मुख्य निर्णय निर्मात्यांद्वारे वापरल्या जाणार्‍या डेटाच्या मॉडेलवर आणि विश्लेषणावर लक्ष केंद्रित करून निर्दिष्ट विषयांच्या मुद्द्यांचे सोपे आणि संक्षिप्त मूल्यांकन प्रदान करते.
समाकलित डेटा
समाकलित डेटा एकाधिक, मिश्रित स्त्रोतांपासून बनलेला असतो, जसे रिलेशनल डेटाबेस, ऑनलाइन व्यवहार रेकॉर्ड आणि सपाट फायली. एकदा निर्दिष्ट स्रोत यशस्वीरित्या समाकलित झाल्यानंतर, डेटा साफ करणे लागू केले जाईल. हे डेटा रूपांतरणाद्वारे विशेषता उपाय, नावे संमेलने, एन्कोडिंग स्ट्रक्चर्स आणि की अटींमध्ये सुसंगतता सुनिश्चित करते.
व्यवसाय विश्लेषणे आणि अहवाल निर्मिती
डेटा वेअरहाऊस बहुआयामी डेटा मॉडेलिंगवर आधारित आहे. एक बहुआयामी डेटा मॉडेल डेटा क्यूबच्या स्वरूपात विविध भिन्न दृश्ये तयार करतो, जो डेटा नियंत्रित करण्यास आणि एकाधिक परिमाणांद्वारे पाहण्याची परवानगी देतो. जेव्हा एखादी संस्था विस्तृत होते आणि विकसित होते तेव्हा डेटा वेअरहाउस वापरल्या जाणार्‍या पहिल्या चरणांपैकी एक आहे. जेव्हा कंपनी व्यवसाय विश्लेषणामध्ये गुंतवणूक सुरू करण्याचा निर्णय घेते तेव्हा मुख्यतः याचा वापर केला जातो. व्यवसाय विश्लेषणामध्ये सांख्यिकीय आकडेवारीच्या आधारे व्यवसायाच्या गरजा शोधण्यासाठी आणि त्यांची ओळख पटविण्यासाठी आणि ओळखण्यासाठी कॉर्पोरेशनद्वारे वापरली जाणारी विविध तांत्रिक अनुप्रयोगे आणि प्रक्रिया घेतात.
व्यवसाय विश्लेषणे संस्थांना व्यवसाय नमुना शोधण्यात आणि ओळखण्यास मदत करतात ज्याचा अंदाज व्यवसाय करण्यासाठी, आकार तयार करण्यासाठी आणि व्यवसायातील परिणामामध्ये सुधारण्यासाठी केला जाऊ शकतो. तथापि, या प्रक्रियेद्वारे त्याचे निकाल खरोखरच मोजले गेले आहेत, कारण हे नवीन रणनीती तयार करणे, अंमलबजावणी आणि व्यवस्थापनाचा प्रस्ताव ठेवण्यासाठी केला जातो. (पार्श्वभूमी वाचनासाठी, व्यवसाय बुद्धिमत्तेचा परिचय पहा.)
व्यवसाय विश्लेषक निराकरण भूतकाळातील कामगिरीचे मूल्यांकन करण्यासाठी आणि भविष्यातील व्यवसाय नियोजन आणि पर्यायांच्या तयारीसाठी परिमाणात्मक आणि सांख्यिकीय तथ्या-आधारित डेटा घेते. व्यवसाय डेटा संकलन विशेषत: सांख्यिकीय सॉफ्टवेअरच्या वापराद्वारे मशीनद्वारे किंवा अनुप्रयोगांद्वारे तयार केले जाते. विश्लेषकांच्या आधारे सुधारणा करण्यासाठी बर्‍याच कंपन्या सांख्यिकीय सॉफ्टवेअरचा वापर का करतात हे होय.
सांख्यिकीय सॉफ्टवेअर आणि व्यवसाय बुद्धिमत्ता
सांख्यिकीय सॉफ्टवेअरला व्यवसाय बुद्धिमत्ता (बीआय) सॉफ्टवेअर देखील म्हटले जाते. बर्‍याच कंपन्यांसाठी, कोणतीही विशिष्ट सॉफ्टवेअर निवड प्रक्रिया नाही, तर इतर कॉर्पोरेट मानकांचे पालन करतात किंवा डेटाबेस किंवा रिपोर्टिंग साधन आधीच अस्तित्वात आहे ज्यास फक्त सक्रिय करणे आवश्यक आहे. योग्य विश्लेषणात्मक सॉफ्टवेअर निवडताना वापरलेली प्रक्रिया द्विपक्षीय धोरण तयार करण्यापासून आणि आधीपासून सेट केलेल्या संपूर्ण व्यवसाय आवश्यकतांचे पालन करून सुरू होते.
व्यवसायीक व्यवस्थापक आणि विश्लेषक योग्य सॉफ्टवेअर निवडण्यात आणि त्यांचे व्यवसाय विश्लेषण तंत्र त्यांना योग्य दिशेने सुरू करतील याची खात्री करण्यात मोठी भूमिका निभावतात. Marketमेझॉन सारखे व्यवसाय लक्ष्य बाजारपेठेतील सर्वात सोयीस्कर किंमतीची किंमत शोधण्यासाठी ग्राहकांमध्ये खरेदी करण्याच्या वागणुकीच्या ट्रेंडचा मागोवा घेतात. व्यवसाय नंतर त्यांच्या एकूण नफ्याच्या समाधानावर फारसा परिणाम न आणता स्पर्धात्मक किंमत दर प्रभावीपणे ठरविण्यास सक्षम असतात. पूर्वनिर्धारित बीआय स्ट्रॅटेजीशिवाय हे सामान्य आहे की खरेदी केलेल्या सॉफ्टवेअरचा प्रकार एखाद्या संस्थेस आवश्यक असलेल्या सानुकूलित क्षमता प्रदान करीत नाही.
डेटा खनन
पुरावा आणि तथ्या-आधारित निर्णय घेण्यासाठी उपयुक्त अंतर्दृष्टी निर्माण करण्यासाठी डेटा खाण मध्ये डेटामध्ये खोल खोदणे समाविष्ट आहे. तांत्रिक भाषेत डेटा खनन मोठ्या रिलेशनल डेटाबेसमधून विविध क्षेत्रांमध्ये परस्पर संबंध किंवा नमुने शोधण्यासाठी वापरला जाऊ शकतो. अधिक विशिष्ट म्हणजे, एकाधिक दृष्टीकोनातून माहितीचे विश्लेषण करणे आणि त्यास उपयुक्त डेटामध्ये सारांशित करण्याची प्रक्रिया आहे. उत्कृष्ट परिस्थितीमध्ये हे अंतर्दृष्टी एखाद्या व्यवसायाचा खर्च कमी करण्यास, विक्री वाढविण्यास आणि इतर की कार्यक्षमता निर्देशकांवर प्रभाव पाडण्यास मदत करतात.
डेटा मायनिंग एक शक्तिशाली तंत्रज्ञान आहे ज्याचा वापर विविध डेटा स्रोत आणि नोंदींमध्ये अस्तित्त्वात असलेल्या भिन्न भिन्न आयाम, श्रेणी आणि नातेसंबंध शोधण्यासाठी केला जाऊ शकतो. उदाहरणार्थ, किरकोळ क्षेत्रात डेटा खनन एखाद्या कंपनीला विक्रीचे नमुने आणि ग्राहकांचे वर्तन ओळखण्यास मदत करू शकेल, जेणेकरून त्यांना त्यांच्या फायद्यासाठी माहितीचा फायदा घेता येईल. त्याचे एक कुप्रसिद्ध उदाहरण म्हणजे विक्रेता लक्ष्य कोण आहे याची खात्री करुन घेण्याची क्षमता आहे की कोणत्या दुकानदारांकडून अपेक्षा असू शकतात आणि अशा वेळी जेव्हा पालक त्यांच्याकडे खरेदी सुरू करतात तेव्हा बाळांच्या वस्तूंसाठी कूपन स्टोअर सक्षम करतात.
थोडक्यात डेटा वेअरहाउसिंग
डेटा वेअरहाउसिंग तंत्र एकत्रित आणि लागू करताना, व्यवसाय विश्लेषक पद्धती संस्थांना त्यांची संपूर्ण व्यवसाय रणनीती वाढविण्यास आणि बीआय सॉफ्टवेअरच्या वापराद्वारे अनुकूलित निर्णय घेण्याची परवानगी देतात. Anyनालिटिक्स कोणत्याही संस्थेमध्ये महत्वाची भूमिका बजावतात आणि डेटा खनन आणि इतर विविध विश्लेषणात्मक पद्धतींसह बर्‍याच वेगवेगळ्या प्रक्रियेचा वापर योग्य डेटा संग्रह सेवा आणि विपणनाचे समर्थन आणि व्युत्पन्न करण्यासाठी केला जाऊ शकतो. ग्राहक सेवा सुधारणे, इन्व्हेंटरी व्यवस्थापन सुलभ करणे, वैयक्तिक ग्राहकांच्या गरजा भागविणार्‍या क्रॉस-बढती देणारी उत्पादने आणि गंभीर उत्पादन आणि सेवा विश्लेषण प्रदान करुन डेटा वेअरहाउसिंग तंत्राद्वारे नवीन संधी आणि शक्यतांचा शोध लावला जातो.
डेटा वेअरहाउसिंग म्हणजेच संस्थांना डेटाच्या मोठ्या संचामधील जटिल प्रश्नांची उत्तरे शोधण्याची परवानगी मिळते. डिजिटल डेटा संग्रहण आणि संचयनाची शक्ती दर्शविते.