L'unificazione dei dati è uguale all'integrazione dei dati?? Possono essere scambiati?? Può un'azione sostituire l'altra in un progetto?? La tua confusione può influire sulle prestazioni di una soluzione di Business Intelligence?? Anche se è vero che unificazione dei dati Ci vuole meno tempo e, perciò, comporta costi inferiori rispetto a una procedura di integrazione, non è un'alternativa e le aziende devono capire la differenza per evitare il lato negativo di una decisione sbagliata.
Crediti fotografici: istock spirito alfa
Differenza tra integrazione e unificazione dei dati
La differenza tra i due concetti è evidente:
- Il unificazione dei dati È la procedura di raccolta delle entità e degli attributi in un data warehouse, ognuno mantenendo la sua forma, pregio e caratteristiche tecniche esistenti nella fonte.
- Il integrazione dei dati è la procedura di combinazione di entità e attributi in modo che abbiano forma, significato e caratteristiche tecniche comuni.
Mentre il L'integrazione è uno dei requisiti prioritari per la gestione dei dati anagrafici., il unificazione dei dati pone regolarmente sfide alle istituzioni. E lo fa sia a livello di data warehouse che nei repository. La sfida ha a che fare con il fatto che la capacità degli utenti di comprendere e analizzare i dati è ridotta. Perché è successo?? Ci sono molte ragioni:
- Da un lato, gli utenti dovrebbero cercare di determinare da soli quali attributi e valori significano la stessa cosa. Come facile da indovinare, il più comune è che ogni persona trova un significato diverso da quello degli altri utenti business.
- E per di più, i processi rallentanopoiché il tempo viene aggiunto per ogni analisi e il valore del risultato è spesso ridotto al minimo.
In risposta a questi problemi, molte volte, Le aziende cercano di compensare questi tipi di problemi creando complesse regole di integrazione. negli strati semantici degli strumenti frontali. Ma non è una buona soluzione poiché, in pratica, allo stesso tempo del tempo aggiuntivo necessario per creare il modello, può rallentare notevolmente il tempo di risposta, soprattutto se le regole vengono elaborate dallo strumento BI anziché dal database. .
Come siamo arrivati qui?
È chiaro che, per prevenire questo tipo di In situazioni, è meglio smettere di confondere l'unificazione dei dati con l'integrazione dei dati e non usarli in modo intercambiabile, ma ogni azione quando è appropriata. Il primo passo per raggiungere questo obiettivo è conoscere il cause che portano a questo accadere, tra i quali vale la pena evidenziare:
- Il partecipazione di un utente con profilo tecnico ma senza esperienza nella modellazione dati in ambienti Data Warehouse. Purtroppo, la carenza di personale qualificato nelle aziende rende spesso necessario utilizzare le risorse disponibili per determinate mansioni, chi può avere più esperienza nel mondo OLTP.
- Un altro motivo è che è necessario più tempo per integrare i dati. Hai bisogno di una profilazione dei dati, analisi dei dati e interazione con esperti del settore. A questi limiti si deve aggiungere il fatto che possono essere coinvolti fattori politici che si confrontano con ambiti diversi nel determinare il buon senso su determinati punti..
- Finire, un altro scenario fattibile che porta a questi problemi legati a unificazione dei dati è in cui un data warehouse funziona con un'unica fonte e sorgono problemi quando si scopre che il modello di dati non è stato creato per accogliere i dati integrati.
