פיתוח מחסני נתונים: כל מה שצריך לדעת על בסיסי נתונים ומערכות תומכות החלטה

ארכיטקטורת מחסני נתונים

הארכיטקטורה מתייחסת לאופן שבו בוחר הארגון ליישם את המערכת לאיסוף וניתוח הנתונים.

קיימות אסטרטגיות יישום שונות, כל אחת מתאימה לאופי ארגוני מסוים ולצרכים של הארגון. כמו כן, ארכיטקטורות שונות באות לפתור בעיות ארגוניות או עסקיות שזוהו כבעייתיות על ידי המנהלים ומפתחי ה-BI בשלבי האפיון הראשוניים.
במקרים מסוימים, יתוספו על גבי מחסן הנתונים הראשי שלוחות של שרתי משנה אליהן יועתקו חלק מהנתונים, זאת עקב אילוצים שונים של הארגון, או על מנת לממש פונקציות שונות בתוך הארגון.
מאין נולדה הארכיטקטורה? בעיקר מאילוצים ארגוניים, ומהעבודה שלא הייתה תכנית עבודה מסודרת להקמת פלטפורמה מרכזית אחת מההתחלה.

Top – Down Approach: גישה קלאסית עבור חברות BI שמבקשות לבצע "מהפכה" בתרבות המידע של הארגון. הארכיטקטורה, כשמה כן היא: בניית מסד נתונים יחד ומרכזי מאפס, שיאגד בתוכו את כל הנתונים מכל מערכות המידע שקיימות לארגון.

Bottom – Up Approach: גישה הפוכה לקודמת. לכל תת מערכת תפעולית בארגון (הנהלת חשבונות, תפעול ולוגיסטיקה, רכש וכן האלה) מפותחת מערכת מחסני נתונים, כאשר בסופו של התהליך כל תתי המערכות מתמזגות לכדי פלטפורמה אחת מרכזית.

השיטה המעורבת: ארכיטקטורה שנבנית במקרים בהם רק לחלק מהמחלות התפעוליות בארגון קיימת מערכת BI. מה שקורה בפועל הוא שמחלקות ה-BI ממשיכות לעשות שימוש במחסני הנתונים שלהן, בעוד מחלקות ללא מחסני נתונים, נשענות גם הן על אותם מחסני נתונים.

המאפיינים של מערכות לאחסון נתונים

מחסן הנתונים הוא כלי לאחזור מידע. בכך, הוא מסתמך לחלוטין על המערכות התפעוליות של הארגון, ואינו יודע לייצר מידע חדש בעצמו. התלות של הפלטפורמה המרכזית לאיסוף הנתונים מדגישה עד כמה חשובה עבודתו של מפתח ה-BI בשימור הנתונים והצגה אמינה ומדויקת שלהם בפני מנהלי הארגון.

כמו כן, מערכות לאחסון נתונים הם מערכות עם עומק היסטורי יוצא דופן. מתוך המאגרים ניתן לשלוף מידע ישן, לחפש מקרי קצה ותהליכים קריטיים שקרו בארגון לפני שנים.

כלי התוכנה איתם עובדים מול מחסני הנתונים אינם בהכרח מאופיינים בזמני עבודה קצרים.

להבדיל ממערכות אחרות לעיבוד מידע ארגוני, ניתוח הנתונים שנשלפים ממחסן הנתונים עשוי להארך זמן מה. הדגש הוא, אם כן, על האיכות של הנתונים ולאו דווקא על מהירות העיבוד.

לסיום, חשוב להבדיל בין פיתוח מחסני נתונים לבין פיתוח מערכת לעיבוד נתונים / מערכות עיבוד תנועות. האחרונה מתייחסת לארגונים שבוחרים להקים מערכת המתעדת את כל הפעולות בארגון במטרה ליצור מעקב ובקרה. בשונה ממערכות לאחסון נתונים, מערכות אלו אינן נחשבות מערכות ממוחשבות לתמיכה בתהליך קבלת ההחלטות.

פרמטרים מרכזיים לתכנון ופיתוח איכותיים של מחסני נתונים

כל ניהול פרויקט של פיתוח מחסני נתונים נחשב לפרויקט בסדר גודל עצום, שיכול להסתכם בהוצאה כספית לא מבוטלת. מאחר ומחסני הנתונים משמשים את חברות ה-BI שנים קדימה, והופכים להיות הפלטפורמה המרכזית עליה נשענים כל תהליכי קבלת ההחלטות, חשוב מאוד להיצמד לתכנית עבודה מסודרת ולשים דגש על מספר פרמטרים מרכזיים.

בקצרה, התכנון של הקמת מחסני הנתונים הוא חלק מתהליך האפיון של מערכות ה-BI, ומערב בתוכו צעדים של ניתוח נתונים ממערכות המידע הקיימות, גזירת הנתונים, הסבתם וטיובם למערכת מרכזית בהתאם לפתרון העסקי שהארגון מחפש.

שלבי התכנון שקודמים לפיתוח מחסני הנתונים נשענים גם על הפרמטרים הבאים:

• כמות המידע / נתונים בהשוואה לשכיחות השינויים – כמות המידע משפיעה כמובן באופן ישיר על גדול מחסני הנתונים, המשאבים שצריך לגייס על מנת לתפעל את המחסנים, יעילות העבודה, מהירות שליפת הנתונים ועוד.

• כשמתכננים את מחסני הנתונים, תפקידם של האנליסטים ומפתחי הבינה העסקית הוא לקבוע את היחס בין כמות המידע והשכיחות של השינויים שלה.
  לדוגמא, אם נדרש מהפלטפורמה לכרות נתונים ממחלקת החשבונות אודות עסקאות המט"ח או נתונים אודות משקיעים פוטנציאלים בחברה, אין טעם לשמור מידע פרטי על הלקוח (מקומות מגורים לדוגמא) כי סביר להניח שהוא לא החליף את מקום מגוריו לעיתים תכופות. חשוב יותר יהיה להתרכז בהיסטוריה של העסקאות עצמן – סכומי ההשקעות, ירידות השערים וכן הלאה.

• דיוק הנתונים – נראה לכאורה שמדובר בשאלה לא רלוונטית. הרי כל המנהלים מעוניינים בנתונים כמה שיותר מדויקים על מנת לבצע החלטות מושכלות, ולא על סמך תחושות בטן.
  עם זאת, כולנו מבינים גם שעלייה בדיוק ואמינות הנתונים כרוכה גם בפיתוח מורכב יותר ושימוש בארכיטקטורות עם פונקציות מרובות.
  לכן, כדאי לתכנן את הקמת המחסנים בהתאם לפרמטר הזה. לדוגמא, דשבורדים המציגים דו"ח עסקאות שנתי או אחוזי מכירות יכולים להתעלם מחישוב של אגורות או שקלים בודדים, כי אלו באמת לא ישנו את התובנות העסקיות.

לצד אלו, חשוב להתייחס גם לפרמטרים הבאים: קהל היעד של המערכת לאחסון נתונים (גודל, משתמשי קצה, האם המערכת עונה על צרכי הלקוח?), לוח הזמנים של הפרויקט (עד כמה דחופה הקמת מחסני הנתונים?), האם כל משתמשי הארגון זקוקים למחסני הנתונים, וכן הלאה.

פיתוח ותכנון של מערכת לאחסון נתונים היא אמנם פרויקט בסדר גדול נרחב, אך היא גם השקעה חד פעמית שתניב פירות עסקיים מהרגע שתצא לאוויר.

אם אתם נתקלים בקשיים בניתוח הנתונים ומרגישים צורך בשליטה וניהול טובים יותר, אתם מוזמנים להתייעץ עם המומחים שלנו ולהתקדם לפלטפורמת Power BI חכמה.
הפלטפורמה תעזור לכם לייצר דוחות אינטראקטיביים מקיפים, תציג את הנתונים באופן חזותי וקל לניתוח, ותסייע לכם לייצר דוחות ולשלוח דשבורדים בקלות עם התממשקות נוחה לכל סביבת ה- office ומכל מקום.

מומחי ה-BI, האנליסטים ומפתחי התוכנה של חברת DataCore עומדים לרשותכם משלבי התכנון הראשוניים ועד ההקמה בפועל של מחסני הנתונים. אנו קשובים לצרכי הלקוח, ומתאימים את ארכיטקטורת המחסנים בהתאם לפתרונות העסקיים והארגוניים להם הארגון שלכם זקוק.

צוות האנליסטים והמומחים של DataCore יספק לכם מערכת חכמה הנשענת על פלטפורמה מרכזית אחת שמותאמת במיוחד לאופי העסקי ולמטרות שלכם.