Cohérence, l'intégrité, la mise à jour et l'automatisation sont quelques-unes des clés d'un bon gestion d'entrepôt. L'objectif que les entreprises devraient se fixer devrait être d'atteindre un modèle de maturité, une approche qui assure une performance optimale, non seulement le système de stockage des données et son administration, mais en plus de son interaction avec la veille économique et les résultats. de cela et une analyse avancée.
Entre le objectifs de gestion d'entrepôt Ils sont les suivants:
-
Fournir un accès efficace aux données d'entreprise et aux données historiques pour l'analyse et la prise de décision.
-
Fournir une représentation cohérente et cohérente des données dans l'ensemble de l'organisation, étendre son utilisation à n'importe quel niveau.
-
Activer un véritable environnement de convivialité pour les applications de requête, analyses et rapports.
-
Assurer la sécurité des données.
Pour obtenir, il est nécessaire de surmonter les limitations technologiques et organisationnelles; concevoir une stratégie et être clair sur les priorités de l'entreprise, pour laquelle une connaissance irréprochable des processus internes est indispensable.
Crédits photos: « La lueur de fond représente la haute technologie et l'abstrait » par Stuart Miles
Modèle de maturité pour la gestion d'entrepôt
Les clés d'un modèle mature de gestion d'entrepôt de données ont à voir avec l'optimisation des éléments suivants 4 aspects:
1. Architecture
-
Il doit regrouper les services de entreposage de données et intelligence d'affaires centralement, regrouper l'entrepôt de données central et d'autres sources et sources de données via une interface standard.
-
Les règles métier doivent être intégrées, qui doit être préalablement défini et mis en œuvre correctement.
-
Vous devez comprendre la gestion des métadonnées en créant un référentiel central avec des métadonnées intégrées, standardisé et mis à jour.
-
Il doit être intégré aux exigences de sécurité de l'entreprise.
-
Il est impératif que vous puissiez traiter à la fois des sources de données non structurées et des sources de données Web.
-
Vous devez disposer d'un logiciel et d'un matériel spécifiques pour tirer le meilleur parti de ses performances.
-
Dans des circonstances idéales, devrait être en mesure de fournir des mises à jour en temps réel.
2. La modélisation des données
-
Doit utiliser des outils de modélisation de données standardisés pour la conception et la maintenance des métadonnées.
-
Doit assurer la synchronisation automatique de tous les modèles de données.
-
La conception des niveaux logiques doit être garantie, physique et conceptuel dans tous les modèles de données.
-
Les normes de modélisation devraient être étendues à l'ensemble de l'organisation, ainsi que sa documentation.
-
Le niveau de granularité doit être minimisé autant que possible dans tout ce qui concerne le gestion d'entrepôt.
3. ETL
-
Génération de processus d'extraction complets, transformation et chargement des métadonnées.
-
Capacités ETL en temps réel.
-
Automatisation quotidienne.
-
Outils spécifiques de qualité des données.
-
Système de redémarrage et de récupération automatique.
-
Capacités de surveillance simples, avancé et en temps réel.
-
Capacité à gérer des métadonnées de toutes sortes.
4. Applications d'intelligence d'affaires
-
Applications de BI en temps réel et en boucle fermée.
-
Disponibilité d'un outil pour la BI principale et d'un autre pour les applications BI spécifiques.
-
Gestion d'entrepôt orienté processus métier.
-
Mise à jour maximale.
-
Intégration complète des métadonnées avec les applications BI.
Article similaire:
