데이터 웨어하우징은 비즈니스에 중요한 비즈니스 통찰력을 제공하기 위해 여러 소스에서 데이터를 수집하고 관리할 수 있는 접근 방식입니다. 데이터 웨어하우스는 관리 결정을 제공하도록 특별히 설계되었습니다.
간단히 말해서 데이터 웨어하우스는 조직의 운영 데이터베이스와 독립적으로 유지 관리되는 데이터베이스를 정의합니다. 데이터 웨어하우스 시스템은 여러 애플리케이션 시스템의 통합을 가능하게 합니다. 분석을 위해 통합된 과거 데이터의 견고한 플랫폼을 제공하여 데이터 처리를 지원합니다.
데이터 웨어하우스는 의사결정 지원 데이터 모델의 물리적 실행으로 처리하는 의미론적으로 일관된 데이터 저장입니다. 기업이 전략적 결정을 내리는 데 필요한 데이터를 저장합니다. 데이터 웨어하우스는 구조화된 임시 쿼리, 분석 문서화 및 의사 결정을 제공하기 위해 여러 이기종 소스의 레코드를 통합하여 구성된 아키텍처로 간주됩니다.
데이터 웨어하우스를 구축하려면 데이터 정리, 데이터 통합 및 데이터 통합이 필요했습니다. 데이터 웨어하우스를 사용하려면 일련의 의사 결정 지원 기술이 필요합니다. 이를 통해 관리자, 분석가 및 경영진과 같은 "지식 근로자"가 데이터 개요를 빠르고 편리하게 얻고 웨어하우스의 데이터에 따라 올바른 결정을 내리기 위해 웨어하우스가 필요합니다.
일부 조직에서는 이 데이터를 사용하여 다음을 포함한 비즈니스 의사 결정 활동을 제공합니다.
-
구매 선호도, 구매 시간, 예산 주기 및 지출 수요를 포함한 사용자 구매 패턴 분석을 포함하는 사용자 초점을 높일 수 있습니다.
-
분기별, 연도별, 지역별 판매 구현을 비교하여 생산 방법을 미세 조정함으로써 제품을 재배치하고 제품 포트폴리오를 처리하는 데 사용할 수 있습니다.
-
운영을 분석하고 수익원을 찾을 수 있습니다.
-
고객 관계를 관리하고, 환경을 수정하고, 기업 자산 비용을 관리할 수 있습니다.
데이터 웨어하우징은 이기종 데이터베이스 통합의 관점에서 유리합니다. 조직은 일반적으로 여러 종류의 데이터를 수집하고 여러 이기종, 자율 및 분산 데이터 소스에서 대규모 데이터베이스를 지원합니다.
그러한 데이터를 결합하고 이에 대한 쉽고 효과적인 액세스를 지원하는 것은 매우 바람직하지만 어려운 일입니다. 이 목표를 달성하기 위해 데이터베이스 시장과 연구 커뮤니티에서 많은 노력을 기울였습니다.
이기종 데이터베이스 통합에 대한 기존 데이터베이스 방법은 여러 이기종 데이터베이스 위에 래퍼 및 통합자(또는 중재자)를 구성하는 것입니다. 사용자 사이트에 쿼리가 제기되면 메타데이터 사전을 사용하여 포함된 단일 이기종 사이트에 적합한 쿼리로 쿼리를 해석할 수 있습니다.
이러한 쿼리는 로컬 쿼리 프로세서에 매핑되고 공유됩니다. 여러 사이트에서 복원된 결과는 전역 응답 집합으로 통합됩니다. 이 쿼리 기반 방식은 복잡한 데이터 필터링 및 통합 절차가 필요했으며 리소스 처리를 위해 로컬 사이트와 경쟁했습니다. 빈번한 쿼리, 특히 집계가 필요한 쿼리에는 비효율적이며 잠재적으로 비용이 많이 듭니다.