1 Kierunki rozwoju technologii informatycznych: Hurtownie Danychdr inż. Piotr Muryjas Wyższa Szkoła Przedsiębiorczości i Administracji

2 Plan wykładu Problemy eksploatacji SIPHurtownia Danych (HD) - przeznaczenie, definicja, struktura, architektura Punkty krytyczne HD Projektowanie Hurtowni Danych

3 Systemy Informacyjne Przedsiębiorstw (SIP)

4 Rodzaje SIP Systemy transakcyjne (ST)Systemy informowania kierownictwa (MIS) Systemy wspomagania podejmowania decyzji (DSS) Systemy eksperckie (EIS)

5 Eksploracja danych w STOlbrzymia ilość rekordów Ukryte zależności między danymi Oczekiwanie na odpowiedź Ciągły wzrost objętości zbiorów danych Wiele tabel i relacji między nimi Opis rzeczywistości w wybranym obszarze funkcjonowania przedsiębiorstwa

6 Systemy Informowania Kierownictwa (MIS)Zasilane zagregowanymi danymi z transakcyjnych systemów dedykowanych Źródło danych dla MIS znajduje się wewnątrz organizacji Postać danych i stopień agregacji adekwatne do potrzeb informacyjnych i decyzji podejmowanych przez kierownictwo średniego szczebla

7 Systemy Wspomagania Decyzji (DSS)Budowane w oparciu o wybrane modele biznesowe sytuacji decyzyjnych Źródło danych to systemy transakcyjne Uwzględniają szerszy aspekt prowadzenia biznesu Stopień agregacji danych uwzględnia różne wymiary analiz Stosowane na szczeblu taktycznym (kierownictwo wyższego szczebla np. dyrektorzy departamentów)

8 Systemy eksperckie (EIS)Umożliwiają całościowe spojrzenie na organizację i jej miejsce w otoczeniu Odnoszą się do wszystkich, typowych dla organizacji aspektów biznesu Wykorzystują wewnętrzne i zewnętrzne źródła danych Wykorzystywane na szczeblu strategicznym organizacji (zarządy, rady nadzorcze)

9 Systemy DSS i EIS w procesach decyzyjnychWymagania: Całościowe spojrzenie na organizację Prawidłowa ocena aktualnej sytuacji organizacji, oparta na wiarygodnej informacji aktualnej i archiwalnej Możliwość przeprowadzania analiz w dowolnym przekroju informacyjnym niezbędnym dla podjęcia decyzji

10 Pojęcie Hurtowni Danych (HD)Analityczna baza danych przeznaczona jedynie do odczytu, używana jako podstawa systemu wspomagania decyzji Zintegrowany bank danych wspomagający procesy decyzyjne Zorientowana tematycznie kolekcja danych, służąca wsparciu procesu podejmowania decyzji kierownictwa Funkcjonalność

11 Pojęcie Hurtowni Danych (HD)Repozytorium danych z procedurami ich ładowania do HD Repozytorium uzupełnione minihurtowniami danych Repozytorium, minihurtownie danych oraz aplikacje analityczne Infrastruktura

12 Hurtownia Danych - gdzie leży prawda?Hurtownie danych służą do podejmowania decyzji zarządczych Bill Inmon

13 do wspomagania podejmowania decyzji strategicznych.Definicja HD System baz danych zawierający dane: zorientowane tematycznie zintegrowane zorganizowane w czasie trwałe do wspomagania podejmowania decyzji strategicznych.

14 Zorientowanie tematyczne HDZgromadzone dane opisują problemy Lokalizacja danych uzależniona od ich treści ekonomicznych Dane zorientowane na podejmowanie decyzji w różnych obszarach działania

15 Integralność danych w HDCzystość - ta sama informacja zapisana jeden raz i tylko na jeden sposób (format, jednostka miary) Poprawność - kontrola danych pobieranych z systemów szczebla operacyjnego Właściwa agregacja - wybór zmiennych agregujących

16 Element czasu w HD Dane utrzymywane są w długim horyzoncie czasu (ponad 5 lat) Czas jako wymiar innych danych Dane tworzą szeregi czasowe Dane załadowane do HD nie są w czasie aktualizowane

17 Trwałość danych w HD W HD dopuszcza się operacje:ładowania danych dostępu do danych W HD nie przeprowadza się operacji aktualizacji załadowanych danych Dane analityczne przechowywane są w postaci gotowych agregatów

18 Cele budowy HD Realizacja misji przedsiębiorstwaZwiększenie konkurencyjności firmy Osiąganie celów biznesowych Optymalne wykorzystanie zasobów informacyjnych przedsiębiorstwa

19 Zadania realizowane przy wykorzystaniu HDBudowa modelu ekonomicznego Weryfikacja hipotez biznesowych Identyfikacja trendów i zależności Określanie ryzyka Alokacja zasobów

20 Przykłady celów biznesowychBadanie rentowności produktów, oddziałów, współpracy z klientami, spółek zależnych Analiza ryzyka działalności Prognozowanie sprzedaży Wyznaczenie kosztu operacji handlowych Badanie struktury sprzedaży Budowa systemów sprawozdawczości zarządczej Hurtownia Danych - źródło nowych zysków

21 Hurtownie danych a CRM Lojalność klientów wobec organizacjiRezygnacje klientów ze współpracy i powody takiej decyzji Rodzaj produktu czy usługi (mix-produkt) oferowane klientom określonej grupy wiekowej, zawodowej, terytorialnej Efektywność realizacji programów pozyskiwania nowych klientów czy też utrzymania klientów dotychczasowych

22 Hurtownie danych w e-biznesieŚrednia wartość transakcji w internetowym biurze maklerskim Wartość kredytów zaciągniętych przez Internet Rodzaje lokat zakładanych przez Internet, ich średnia wysokość i czas lokaty Wartość przelewu bankowego dokonanego drogą elektroniczną Średnia wartość transakcji przy użyciu kart płatniczych

23 Dlaczego nie wykorzystać ST?Brak właściwych danych Zapytania przekrojowe znacznie obciążają bieżącą pracę ST Bazy danych w ST nie są zoptymalizowane do analitycznego przetwarzania danych Uzyskanie informacji globalnych wymaga złączenia wielu tabel baz danych Duża zmienność stanu baz danych

24 Różnice między HD i ST (1)HD oparte są na bazach analitycznych, ST na bazach operacyjnych tzn.: Dane w HD mają charakter zagregowany, w ST - szczegółowy HD zawiera wybrane dane, ST - wszystkie dane ST zawierają zawsze dane aktualne, HD - archiwalne (obraz tych danych) Fizyczna separacja HD i ST

25 Różnice między HD i ST (2)Struktura i przetwarzanie danych: ST przechowują dane w postaci znormalizowanej, HD - nadmiarowość danych ST oparte są na przetwarzaniu transakcyjnym, w HD - brak transakcji ST pozwalają na zapis, odczyt, usuwanie i modyfikację danych, w HD - tylko odczyt ST zasilane są stałym i równomiernym strumieniem danych, HD - duża ilość danych w krótkich odcinkach czasu

26 4 powody separacji HD i STWydajność Dostęp do danych Format danych Jakość danych

27 Podobieństwa HD i ST Oparte na bazach danychPosiadają wbudowane języki przetwarzania danych Przechowywane dane można graficznie prezentować Możliwość wprowadzania danych

28 Hurtownie Danych a DSS/EISDSS/EIS posiadają rozbudowane narzędzia analizy danych DSS/EIS nie są odpowiednio wyposażone w narzędzia organizacji danych HD dostarczają dla DSS/EIS wsparcia w postaci baz danych HD dostarczają danych niezbędnych dla DSS/EIS

29 Użytkownicy HD Osoby odpowiedzialne za realizację misji i strategii przedsiębiorstwa (zarządy, rady nadzorcze) Analitycy biznesowi Pracownicy merytoryczni Informatycy

30 Wymagania użytkowników wobec HDMożliwość definiowania zapytań ad-hoc (dowolne zapytania na dowolnych przekrojach danych, zapytania w języku naturalnym) Udzielanie szybkich odpowiedzi Kompleksowa analiza danych Właściwy sposób prezentowania informacji Wiarygodność informacji zarządczej

31 Klasyczny model HD

32 Architektura HD

33 Elementy architektury HDDedykowane źródłowe systemy transakcyjne organizacji Oprogramowanie zasilania danymi bazy danych hurtowni Wielowymiarowa baza danych oraz system zarządzania bazą danych Oprogramowanie klienta realizujące funkcję analityczną oraz prezentacyjną danych

34 Struktura funkcjonalna HDUżytkownik końcowy

35 Zarządzanie HD Sposoby dostępu do danych w ST:interfejsy dostępu do BD Oracle, Informix, DB/2, Sybase ... język SQL, 4GL Walidacja, czyszczenie, formatowanie i agregacja danych Zasilanie HD: procedury analizy statystycznej odświeżanie danych metadane opisujące proces zasilania HD

36 Organizacja HD - metadaneModele danych: relacyjny model danych, inne modele (np. hierarchiczny, gwiazdy, płatek śniegu) Sposób zasilania danymi Architektura HD: scentralizowana rozproszona (data marts) Dostęp użytkowników

37 Metadane - co jeszcze składa się na HD?Struktura danych hurtowni uwzględniająca wymagania SWD Sposób transformacji danych operacyjnych (algorytmy) Relacje między modelem danych w systemach operacyjnych a HD Historia zasilania HD danymi operacyjnymi Kontekst

38 Organizacja metadanychLista metadanych Ważność Odpowiedzialność Zawartość Dostępność Jakość metadanych Kompletność Nadrzędna kontrola Dokumentowanie działań, odpowiedzialności

39 Eksploatacja HD Zapytania i raporty: Techniki analizy danych:filtrowanie danych, język 4GL i SQL Techniki analizy danych: MOLAP, ROLAP, HOLAP Wizualizacja danych: wykresy, drzewa decyzyjne, statystyka Wspomaganie procesów decyzyjnych: ekonometria, badania operacyjne, prognozowanie Publikacja wyników w formacie HTML

40 Struktura danych w HD Szczegółowe dane bieżąceArchiwalne dane szczegółowe Dane częściowo zagregowane Silnie zagregowane dane Metadane

41 Wprowadzanie danych do HD, opartych na danych operacyjnych.Zasilanie HD Wprowadzanie danych do HD, opartych na danych operacyjnych. Wybór danych Lokalizacja danych Transformacja danych do zunifikowanej postaci Integracja danych Częstotliwość zasilania

42 Organizacja zasilania HDLudzie biznesu i informatycy Zespoły zadaniowe: projekt struktury hurtowni analiza danych źródłowych logika konwersji danych budowa i generowanie procedur konwersji zapewnienie jakości danych Zrozumienie wymagań związanych z konwersją i przepływów danych

43 Projekt zasilania HD Plan konwersji danych operacyjnychDefinicja specyfikacji konwersji Ekstrakcja danych operacyjnych do postaci schematów pośrednich Konwersja schematów pośrednich do postaci danych ładowanych Agregacja danych Ładowanie i indeksowanie danych Zapewnienie jakości danych

44 Plan konwersji danych Określa najlepszy sposób migracji danych do hurtowni Uwzględnia: dostępne zasoby danych, liczność danych, liczbę różnych schematów danych, metody i platformy dostępu, języki ekstrakcji danych, strukturę hurtowni, liczbę wymaganych agregacji

45 Specyfikacja konwersji danychSposób przypisania danych źródłowych do danych w hurtowni (dane, logika) Inne zewnętrzne źródła informacji Opis procesów: ekstrakcji danych do postaci schematu pośredniego, konwersji schematu pośredniego, agregacji danych, migracji danych do baz danych hurtowni, walidacji danych Dokumentacja !!!

46 Ekstrakcja danych w schematy pośrednieZwiększenie użyteczności programów do czyszczenia danych, transformacji i integracji Zachodzi w środowisku systemów transakcyjnych Procedury identyfikacji starych i nowych danych operacyjnych Izolowanie niezbędnych danych

47 Konwersja schematów pośrednichIdentyfikacja wzorców danych i liczby pól Określenie kontekstu i przeznaczenia danych Korekcja danych w oparciu o listy Eliminacja nadmiarowych rekordów Rezultat: dane o wymaganym poziomie granulacji dane dla tabel wymiarów i tabel faktów klucze wybierania danych

48 Agregacja danych Miejsce wykonania - poza serwerem hurtowni Powody:narzędzia agregacji są szybsze niż RDBMS pewność wykonania szybkość i skuteczność wbudowanych procedur ładowania danych zagregowanych

49 Ładowanie i indeksowanie danychUmieszczenie danych na serwerze hurtowni Tworzenie tabel faktów i wymiarów Indeksowanie: natychmiastowe z opóźnieniem Koordynacja procesów

50 Zapewnienie jakości danychNadrzędny charakter kontroli etapów zasilania Dokumentowanie działań Aktywny udział użytkowników Dobra znajomość struktury i znaczenia danych źródłowych Zrozumienie procesów zasilania Zatwierdzanie etapów zasilania

51 Modelowanie danych w HDModel korporacyjny danych jako punkt wyjścia Oczyszczanie modelu danych Element czasu Denormalizacja Wybór modelu danych: star join (model gwiazdy) snowflake (płatek śniegu)

52 Modele danych - gwiazdaCentrum gwiazdy - tablica faktów Otoczenie gwiazdy - tablice wymiarów (wskaźników do tabeli faktów)

53 Modele danych - płatek śniegu

54 OLAP - On-Line Analytical ProcessingAplikacje wspomagania interaktywnych analiz wykonywanych na bieżąco Udostępnianie danych analitycznych w różnych przekrojach i w sposób przystępny dla użytkowników Możliwość dynamicznego prowadzania analiz danych skonsolidowanych przedsiębiorstwa

55 Zadania realizowane w OLAPPorównywanie dowolnych danych Analiza danych historycznych (trendy) Dostęp do danych na dowolnym poziomie Perspektywy dostosowane do indywidualnych potrzeb użytkownika Analizy typu „what-if” Tworzenie graficznej prezentacji danych

56 Przesłanki użycia OLAPDane niezbędne są do prowadzenia analiz (nie rejestracji zdarzeń) Konieczność prowadzenia złożonych obliczeń i agregacji danych operacyjnych Potrzeba przekrojowego spojrzenia na dane Względna niezmienność danych w czasie

57 Wielowymiarowe BD w HD Charakter danych Tylko odczyt danychAgregaty danych: agregat podstawowy agregat częściowy Krótki czas oczekiwania na odpowiedź Duża efektywność formułowania zapytań ad-hoc Wydajność Rozmiar pliku

58 Budowa HD Przedsięwzięcie informatyczne i organizacyjneProces iteracyjny Projekt, który nie kończy się Możliwe zastosowanie metod inżynierii systemów

59 Etapy budowy HD Zakres projektu Wymagania biznesoweKorporacyjny model danych Koncepcyjny model HD Identyfikacja źródeł danych operacyjnych Architektura HD Technologia implementacji Implementacja HD

60 Inżynieria systemów w procesie budowy HDPlanowanie systemu Określenie wymagań i analiza Projekt systemu Integracja Weryfikacja i konserwacja

61 Spiralny model cyklu życia HD

62 Faza planowania systemuWybór strategii budowy HD: strategia Top Down strategia Bottom Up Wybór metodologii budowy: model kaskadowy model spirali Cele biznesowe Wstępna kolekcja metadanych

63 Wymagania i analiza - właściciel HDJakie problemy biznesowe będą rozwiązywane? Ile to kosztuje? Kiedy będą pierwsze efekty? Jaki będzie wpływ HD na pracowników, ich umiejętności, organizację? Czy potrafimy podołać takiemu zadaniu? Jakie jest ryzyko zastosowania tej technologii?

64 Wymagania i analiza - analityk biznesowyJakie analizy można przeprowadzać? Jakie funkcje oferuje HD? Jaka jest ziarnistość danych? Jakie raporty można generować? Jakie są możliwości modyfikacji raportów? Jakie są możliwości budowy raportów od podstaw? Jakie dodatkowe analizy można samodzielnie definiować?

65 Wymagania i analiza - informatykJaka jest platforma implementacji HD? Jakie są standardy i interfejsy? Czy architektura HD jest otwarta? Jakie są metody i narzędzia dostępu oraz zasilania HD? Jaka jest struktura sieci, w której zostanie osadzona HD? Jakie są możliwości optymalizacji działania HD?

66 Projekt systemu Określa sposób spełnienia wymagań odbiorców HDDefinicja specyfikacji kolejnych poziomów HD: modele logiczne i fizyczne Identyfikacja procesów zasilania HD i procesów w HD Identyfikacja procesów integracji danych źródłowych, HD i narzędzi dostępu do HD

67 Integracja Osadzenie HD w platformach systemowej i sprzętowej (instalacja serwera bazy danych) Implementacja modelu metadanych HD Instalacja oprogramowania klienta Realizacja procedur zasilania HD Realizacja procedur dostępu do HD z poziomu aplikacji klienta

68 Weryfikacja i konserwacjaZgodność z wymaganiami odbiorców Ocena zestawień analitycznych generowanych z HD przez specjalistę Zarządzanie metadanymi (np. modyfikacja istniejących źródeł, nowe źródła danych i kanały dystrybucji danych, zmiana reguł konwersji danych, nowe aplikacje analityczne lub prezentacji danych)

69 Warunki sukcesu HD Koncentracja uwagi na wybranym obszarze funkcjonowania przedsiębiorstwa (najważniejszy jest biznes, nie technologia) Zrozumienie danych analitycznych i operacyjnych Małe, ale widoczne kroki w budowie i wdrażaniu HD Korzystanie z pomocy konsultantów w fazie projektu Współpraca z przyszłym użytkownikiem HD (definicja potrzeb, szkolenia)