Современные подходы к сбору, хранению и использованию информации в сфере бизнеса Хранилища данных

Работа с СУБД уровня Microsoft Access как на уровне начинающего, так и на уровне квалифицированного пользователя считается целесообразной при сравнительно небольших объемах обрабатываемой информации (до 1 Гб). Для более сложных вариантов работы, I требующих анализа значительных массивов информации для выработки правильного решения, используются хранилища данных.

Хранилище данных [Data Warehouse] определяется как предметно-ориентированный, интегрированный, зависимый от времени набор данных, предназначенный для поддержки принятия решений различными группами пользователей. Организация хранилища нацелена на содержательный анализ информации, а не на автоматизацию бизнес-процессов.

Свойство предметной ориентации определяет архитектуру построения хранилища и принципы проектирования модели данных. Интегрированность означает, что, например, данные о клиентах, подразделениях и продуктах, полученные из различных источни­ков, хранятся согласованно и централизованно.

Хранилище содержит исторические данные, или зависимый от времени набор данных. Другими словами, если в оперативных источниках представлены самые последние значения (например, текущее наименование клиента или его физический адрес), то хранилище данных будет содержать в себе всю их предысторию с указанием периода, когда те или иные данные были актуальны.

Хранилище данных характеризуется большим объемом и сложными взаимосвязями Данных. Данные в хранилище не обновляются и не изменяются, а только перезагружаются и считываются, что позволяет говорить об их неизменяемости и целостности.

Наряду с информацией, непосредственно отражающей состояние объекта или системы управления, в Data Warehouse хранятся и метаданные (данные о данных), отражающие:

♦ структуру и содержимое хранилища;

♦ отношения между данными;

♦ соответствие между исходными и выходными данными;

♦ статистику загрузки и использования данных в хранилище;

♦ информацию об архивировании и кодировании данных и т. п.

Наибольшее распространение хранилища данных находят в банковской сфере, где их пользователями являются представители высшего и среднего менеджмента банка, аналитики, работники подразделений финансового анализа и маркетинга. В рамках хранилища данных решаются такие задачи, как анализ клиентской базы, анализ продаж и анализ доходов, а также управление пассивами и активами.

Существует несколько подходов к анализу данных в хранилище. Основными считаются:

интерактивный анализ данных [On-Line Analytical Processing, OLAP] - компьютерное приложение, поддерживающее многомерное представление и визуализацию данных с целью их анализа и подготовки отчетов. В настоящее время на рынке программного обеспечения предлагается большое число OLAP-систем, разработчиками которого являются известные фирмы, например IBM, Informix, Oracle, Microsoft, Sybase;

периодически выпускаемая отчетность [Reporting] - отчеты в стандартных формах;

нерегламентированная отчетность [Ad-Hoc Reporting] - возможность получать быстрый доступ к реляционной базе данных для ответов на запросы, формируемые менеджерами;

интеллектуальный анализ данных [Data Mining] - процесс анализа больших наборов данных, применяемый для обнаружения связей между различными их элементами и поиска скрытых закономерностей.

Остановимся подробнее на технологии Data Mining. Этот термин переводится как «добыча» или «раскопка» данных. Деятельность любого современного предприятия сопровождается созданием большого массива неструктурированных и разнородных данных (количественных, качественных, текстовых). Результаты обработки таких данных должны быть конкретными и понятными, а инструменты должны быть просты в использовании.

В основу современной технологии Data Mining положена концепция шаблонов, отражающих фрагменты многоаспектных взаимоотношений в данных. Найденные шаблоны должны отражать ранее неизвестные, нетривиальные закономерности в данных, составляющие так называемые скрытые знания.

Приведем несколько вопросов, ответы на которые поможет найти Data Mining:

♦ «Какие продукты следует продвигать со скидками, чтобы это привело к росту продаж?»;

♦ «Кто является наиболее выгодным покупателем данной продукции?»;

♦ «Кто из клиентов вероятнее всего откликнется на новое предложение?»;

♦ «Какой товар покупатель захочет приобрести следующим?».

Если с помощью Data Mining удастся ответить на поставленный вопрос, фирма сможет увеличить прибыль, повысить уровень обслуживания клиентов (предвидеть запросы, лучше удовлетворять спрос) и добиться конкурентного преимущества на рынке.

В настоящее время технологии Data Mining также очень часто используются для повышения эффективности продаж через Интернет.

Дата добавления: 2014-01-11