بخشی از اطلاعات موجود در DWH در Data Mart نگهداری می شود. این اطلاعات بر حسب نیاز گروههایی که در بخش IT سازمان فعالیت می کنند انتخاب و استخراج می شوند. در حالت کلی، اطلاعات مذکور از منابع اطلاعاتی مختلف موجود در سطح سازمان قابل تهیه هستند. معمولا اطلاعات موجود درData Mart از یک DWH استخراج می شود. در مجموع میتوان گفت در یک Data Mart ایجاد شده برای یک گروه knowledge worker، اطلاعاتی وجود دارد که گروه مذکور، از لحاظ تحلیلی و محتوایی به آن نیاز دارند و این اطلاعات را میتوان به فرمت مناسب برای گروه مذکور نمایش داد. Data mart ها به سه صورت وابسته، منطقی و Operational Data Store (ODS) وجود دارند.
لازم به ذکر است از Data Mart ها به صورت جداول ایندکس هم استفاده میشود به این صورت که به جای آنکه اطلاعات سیستم در یک پایگاه اطلاعاتی مرکزی تکرار شود، اطلاعات سازمان تنها در منابع اطلاعاتی اولیه ذخیره می شوند و ایندکس هایی از اطلاعات ایجاد می شوند. در این ایندکس ها (که همان Data Martها هستند)، مشخص شده است که هر منبع اطلاعاتی شامل چه اطلاعاتی است و چگونه می توان اطلاعات مورد نظر را از آن استخراج کرد. به این روش، روش quick and dirty گفته می شود. زیرا در این روش Data Mart ها را میتوان به سرعت ایجاد کرد و از طرفی اطلاعات مانند روش قبل پاکسازی نمی شوند.
یک Data warehouse برای جمع آوری تمامی اطلاعات در مورد موضوعات (subjects) مختلف مانند مشتری ها، محصولات، فروش، منابع، پرسونل و... ایجاد می شود. این اطلاعات در حوزه کل سازمان قرار دارد. ولی Data Martها اطلاعات زیر مجموعه های سازمانی را که روی یک موضوع خاص متمرکز است، در بر دارند.
برای ایجاد بستر داده ای برای BI به دو روش می توان عمل کرد:
1- بالا به پایین (top-down): گه در این روش یک DWH یکپارچه و یا یک ODS برای کل یک سازمان ایجاد می شود. این پایگاه داده بزرگ تمامی اطلاعات و داده های عملیاتی سازمان را در بر دارد. ایجاد، پیاده سازی و استفاده از این نوع پایگاه داده بسیار گران، هزینه بر و سخت است.
2- پایین به بالا (down-top): در این روش داده های مرتبط با هم در یک data mart قرار می گیرند و چندین data mart در نقاط مختلف سازمان ایجاد شده و در راستای همدیگر یک DWH برای سازمان ایجاد می کنند.
برای ایجاد بستر داده ای یک سازمان روش اول بسیار سخت و هزینه بر است و در بسیاری از کاربرد ها غیر ممکن به نظر می رسد.
با توجه به اینکه بسیاری از سازمان ها از قبل دارای منابع داده ای جدا هستند، استفاده از Data mart ها بسیار به صرفه به نظرمی آید و عملا نیز بسیاری از سازمان ها از این روش در BI استفاده می کنند. یکی از نقاط ضعف این روش این است که داده ها و اطلاعات مربوط به یک فعالیت در سازمان ممکن است در چندین data mart نگه داری شود که باعث ایجاد افزونگی در اطلاعات سازمان می شود.
Data mart ها بنا به کاربرد و انتظاراتی که از لحاظ کارآیی از آنها دارند، طراحی و پیاه سازی می شوند. در کاربردهایی که نیاز است آخرین تغییرات داده های سازمان در Data mart وجود داشته باشد نمی توان از Data mart های وابسته استفاده کرد و بهتر است در صورت کوچک بودن حجم پردازش مربوط به query از Data mart منطقی استفاده شود. در صورتی که حجم پردازش بالا باشد و نتوان آن را در زمان مناسبی از DWH استخراج کرد بهتر است بنا به مقدار هزینه ای که برای استقرار در نظر گرفته شده است، از Data mart های وابسته و یا ODS ها استفاده شود.
با توجه به تقسیم بندی application های هوش تجاری در سطوح مختلف سازمانی (استراتژیک، تاکتیکی و عملیاتی) میتوان گفت data mart هایی که خاص منظور هستند، بیشتر ما بین سطوح عملیاتی و تاکتیکی کاربرد دارند. این data mart های اطلاعات ورودی خود را از سیستم های عملیاتی گرفته و با استفاده از ابزارهای هوشمند در سطوح میانی مدیریت که مربوط به مدیریت تاکتیکی می شود کاربرد دارند.
برای استفاده در سطوح استراتژیک که در سطوح بالای مدیریتی انجام می شود و در دفعات کم معمولا با انبوه اطلاعات enterprise wide سر و کار دارد، می توان از خود DWH و یا data mart های خاص استفاده کرد.
همچنین می توان از ترکیبی از روش های فوق برای پیاده سازی data mart های خاص استفاده کرد. برای مثال می توان از قسمتی از داده های یک Data mart وابسته را با استفاده از تکنیک data mart منطقی از بخش دیگری از یک Data mart دیگر تهیه کرد.
منبع نامشخص .از اینترنت برداشت شده است
در صورتی که شما نویسنده این مطلب هستید لطفا نام خودرا پیام گذاشته تا مطلب فوق با نام شما مشاهده گردد..