Πρατήριο δεδομένων

Από τη Βικιπαίδεια, την ελεύθερη εγκυκλοπαίδεια
Μετάβαση στην πλοήγηση Πήδηση στην αναζήτηση

Το πρατήριο δεδομένων (data mart) είναι ένα υποσύνολο μιας αποθήκης δεδομένων, το οποίο υποστηρίζει τις απαιτήσεις μιας συγκεκριμένης επιχειρησιακής μονάδας για εξειδικευμένο σκοπό. Ένα μικρό τμήμα των δεδομένων που βρίσκεται ήδη στις αποθήκες δεδομένων, αποθηκεύεται στα πρατήρια δεδομένων και απευθύνεται σε συγκεκριμένα τμήματα του οργανισμού και στην υποομάδα των χρηστών τους. Η ανάπτυξη των πρατηρίων δεδομένων, γίνεται με στόχο την καλύτερη εξυπηρέτηση των αναγκών κάθε μεμονωμένης επιχειρησιακής μονάδας, και την γρήγορη και εύκολη πρόσβαση σε συγκεκριμένες πληροφορίες για τα διάφορα τμήματα του οργανισμού όπως η λογιστική, το μάρκετινγκ, οι πωλήσεις. Το κάθε τμήμα ενός οργανισμού έχει το δικό του υλικό, λογισμικό, δεδομένα και προγράμματα που απαρτίζουν ένα πρατήριο δεδομένων.

Λόγοι για την ανάπτυξη Πρατηρίων δεδομένων[Επεξεργασία | επεξεργασία κώδικα]

  • Έυκολη πρόσβαση των χρηστών στα δεδομένα που χρειάζεται να αναλύουν πιο συχνά.
  • Μέσω των εργαλείων προσπέλασης δεδομένων, τα δεδομένα δομούνται κατάλληλα.
  • Γρήγορη προσπέλαση των απαραίτητων δεδομένων εφόσον ο όγκος τους είναι μειωμένος.
  • Το κόστος ανάπτυξης είναι μικρό.

Κατηγορίες[Επεξεργασία | επεξεργασία κώδικα]

Τα Πρατήρια δεδομένων χωρίζονται σε δύο κατηγορίες, τα εξαρτημένα πρατήρια δεδομένων και τα ανεξάρτητα πρατήρια δεδομένων.

Τα εξαρτημένα πρατήρια δεδομένων:

  • συγκεντρώνουν τον όγκο δεδομένων τους απο μια προϋπάρχουσα κεντρική Αποθήκη δεδομένων, τα οποία μεταφέρονται εύκολα εφόσον είναι ήδη έτοιμα, ενοποιημένα και ποιοτικά.
  • αναπτύσσονται με σκοπό την εξασφάλιση ταχύτερης πρόσβασης και μεγαλύτερου ελέγχου στις αναγκαίεες πληροφορίες.

Τα ανεξάρτητα πρατήρια δεδομένων:

  • συγκεντρώνουν τον όγκο δεδομένων τους απο πηγαία συστήματα, όπως αρχεία, συστήματα παρακολούθησης συναλλαγών, εξωτερικές πηγές, κλπ όπως ακριβώς συμβαίνει και στις Αποθήκες δεδομένων, με αποτέλεσμα οι διαδικασίες εξαγωγής, μετασχηματισμού και φόρτωσης να είναι περίπλοκες και χρονοβόρες.
  • αναπτύσσονται με σκοπό την κάλυψη αναγκών όταν δεν υπάρχει κεντρική Αποθήκη δεδομένων.

Προσεγγίσεις[1][Επεξεργασία | επεξεργασία κώδικα]

Υπάρχουν δύο προσεγγίσεις για την ανάπτυξη της Αποθήκης και του Πρατηρίου δεδομένων.

  1. Σύμφωνα με την προσέγγιση «top down» και βασιζόμενοι στις απόψεις του Bill Inmon, πρώτα κατασκευάζεται η κεντρική αποθήκη δεδομένων, η οποία περιλαμβάνει όλα τα δεδομένα του οργανισμού, και στη συνέχεια δίνεται η δυνατότητα ανάπτυξης των πρατηρίων δεδομένων.
  2. Σύμφωνα με την προσέγγιση «bottom up» και βασιζόμενοι στις απόψεις του Ralph Kimball, πρώτα κατασκευάζονται μικρά πρατήρια δεδομένων, με το καθένα να προσφέρει πληροφορίες για συγκεκριμένου ενδιαφέροντος τμήμα, στη συνέχεια συνδυάζονται και τέλος ολοκληρώνουν και απαρτίζουν μια αποθήκη δεδομένων.

Πρατήριο δεδομένων VS Αποθήκη δεδομένων[2][Επεξεργασία | επεξεργασία κώδικα]

Πρατήριο δεδομένων:

  • αναφέρεται στη λειτουργία ενός συγκεκριμένου τμήματος του οργανισμού.
  • καλύπτει συνήθως ένα συγκεκριμένο αντικείμενο, όπως είναι οι πωλήσεις.
  • αναπτύσσεται περιφερειακά από κάποιο επιμέρους τμήμα του οργανισμού.
  • το μέγεθος του είναι σημαντικά μικρότερο, αφου δεν φτάνει τα 100 GB.
  • απαιτεί λιγότερο χρόνο για την ολοκλήρωση της υλοποίησης του, δηλαδή λίγους μόνο μήνες.
  • μπορεί να αναπαρασταθεί με το σχήμα του Αστέρα ή της Χιονονιφάδας.

Αποθήκη δεδομένων:

  • αναφέρεται στη λειτουργία ολόκληρου του οργανισμού.
  • καλύπτει και ασχολείται με πολλά και διαφορετικά αντικείμενα όπως είναι η παραγωγή, οι πωλήσεις, τα χρηματοοικονομικά.
  • αναπτύσσεται κεντρικά από τον οργανισμό.
  • υπερβαίνει το μέγεθος του 1 ΤΒ.
  • Ο χρόνος υλοποίησης της μπορεί να υπερβαίνει τον ένα χρόνο.
  • Ο σχεδιασμός της μπορεί να πραγματοποιηθεί μέσω του σχήματος του Αστερισμού.

Πηγές[Επεξεργασία | επεξεργασία κώδικα]

  • «dataWarehouse.com | Article». web.archive.org. 20 Απριλίου 2011
  • Kyrkos, Efstathios; Κύρκος, Ευστάθιος(2015). Συστήματα Υποστήριξης Αποφάσεων
  • «Πληροφοριακά συστήματα διοίκησης - 11η αμερικανική έκδοση», Kenneth C. Laudon, Jane P. Laudon
  • Bellatreche, L.; Karlapalem, K.; Mohania,M.; Schneider, M. (2000-09). «What can partitioning do for your data warehouses and data marts?».Proceedings 2000 International Database Engineering and Applications Symposium (Cat. No.PR00789): 437–445. doi:10.1109/IDEAS.2000.880634.
  • Rohm, Uwe. Data Warehouses and OLAP. IGI Global. σελίδες 230–252. ISBN 978-1-59904-364-7.
  1. Rohm, Uwe. Data Warehouses and OLAP. IGI Global. σελίδες 230–252. ISBN 978-1-59904-364-7. 
  2. «dataWarehouse.com | Article». web.archive.org. 20 Απριλίου 2011. Ανακτήθηκε στις 20 Δεκεμβρίου 2019.