如何将大数据集成到数据仓库
利用大数据可以在大型商店的相关客户数据上进行快速高级分析,以发现新的客户关系,使我们更好地了解客户需求,优化价格、提供更好的产品和服务,并最终获得更高的利润。
这些分析所提供解决方案的质量不仅取决于被分析的大量原始数据,还和这些数据与企业数据仓库的集成度有关。例如,大数据应用程序可能包含所有客户购买产生详细的交易信息;然而,数据仓库仅包含实体标识(产品和服务名称)、摘要和聚合类别如地理(哪个区域的哪个商店),产品类别,销售地区,管理层次结构、定价数据,客户类别和概要文件等等。
在多数情况下,大数据应用的成功与其如何集成到您的企业数据仓库息息相关。本文将介绍几种方法,以便快速有效地完成这项工作。
在今天的商业信息技术系统中,越来越多的数据被收集并存储。为了能够捕获、存储和分析这些数据,大多数企业转而寻求专门的硬件和软件解决方案。一个常见的解决方案是使用一个专用的硬件数据存储(有时称为一体机)加上配套的商业信息分析软件。一个例子就是IBM DB2 AnalyticsAccelerator (IDAA)。
配置一体机以适应大容量。一体机之所以能够执行高速查询,是因为它们具有专用的高容量磁盘存储阵列,允许大规模并行处理。这一过程只有在被引用的所有表都存储在一体机中时才能正常工作。如果你的大数据应用程序使用了多用户社区发布的跨许多商业实体和关系的复杂查询,你应该接受所有数据表都要存储在一体机中这一事实。
注意,您的数据仓库表也应该存在于你当前的数据库管理系统(DBMS)中;这样做为了使你的当前操作和常用仓库查询可以更快地在DBMS中执行。
限制对一体机的初始访问。大多数大数据应用程序被安装来支持特定的用例。这些用例目的是使分析能够有助于立即降低成本或提高利润。最好是限制这些用户访问一体机,尤其是在他们使用标准的商业智能(BI)工具来构造查询时。为大数据所定制BI工具允许用户以图形化的形式组织SQL语句,而后在后台执行实际的SQL查询。这允许软件设计师通过正确的SQL语法来使用一体机。
另一个限制一体机只能被个别用户访问的原因与性能调优有关。最初交付给客户的大数据一体机并不具有性能调优的能力。这是因为人们认为那些先进的软件和硬件一体机速度极快,性能调优没有存在的必要。现在,随着越来越多的用户获得大数据一体机存储和访问路径查询的经验,新交付的一体机出现了性能调优的选项。限制一体机访问可以使你的一体机运维团队在一个相对稳定的环境中进行一体机的性能调优。
您需要确定如何处理被更改的数据。为了使一体机返回有用的信息,数据必须是最新的。这里所说的数据包括数据仓库数据,这些数据我们也建议您实例化到一体机中去。然而,由于大多数数据仓库每天都执行提取-转换-装载(ETL)流程,你现在必须协调这些数据,以便其顺利加载到一体机中。通常ETL最后一步执行数据库应用程序,将转换后的数据加载到数据仓库中。现在,ETL有一个额外的步骤,将数据加载到一体机中。没有将这些新数据加载到一体机中是十分危险的,你的查询操作访问数据仓库中的表,会返回一个查询结果,而当查询操作访问的是一体机表数据时,返回的又是另一个结果,两个结果无法保持一致性。
解决这个问题的最简单方法是在数据仓库ETL过程中添加一步,即当数据加载数据库后立即加载到一体机中。然而,会有很多数据加载选项。假如ETL过程是在表中追加记录,而不是覆盖整个表会怎样?一体机加载过程通常有一个“加载被更改数据”的选项,该选项允许一体机只加载那些最近被更改过的数据。这种方法也适用于分区表,一次只有一个分区被加载。
升级数据仓库体系结构。企业数据仓库已经成为商业智能查询的平台。数据仓库业务分析师查询数据仓库数据以供分析;所以仓库已经包含类别和维度表用于构造子集,合计和聚合。这样的类别数据通常存储在产品类别、客户类型、地理区域等维度表中。
考虑到大数据的用例(BI查询随着大数据的实现已经被定义为高回报的),检查你的仓库,以确保仓库中存在所有必须的类别和维度表,且表中数据正确。另外你可能需要进一步检查以确定原始源系统数据是正确和最新的。检查你的企业数据字典和元数据以确认数据元素定义的正确性和相关性。
加快ETL处理过程,特别是数据仓库的数据加载过程。随着查询数量和复杂性的增加,BI用户将需求更多地使用大数据存储库。然而,由于大数据需要与数据仓库集成,这自然转化为更快的数据处理要求。分析整个数据转换链,包括源数据的采集、数据清理和转换,以及最终数据仓库装载过程。你应该考虑升级相关网络和服务器来应对数据量的增加。对旧的、过时的仓库数据进行分析,清洗或归档不再使用的数据。审查数据加载程序,为速度提升做好准备,这包括并行表加载过程,以及制定相应分区方案来允许原有数据被查询的同时加载新的数据。
为新岗位培训员工。大数据的应用程序和企业数据仓库完成集成后将会共同成长。这将改变数据仓库运维人员的工作内容。仓库分析师必须扩大视野,并意识到现在的数据存储在一个或多个大数据的应用程序中。他们必须去熟悉任何新的BI分析软件,以帮助用户实现报表和查询。
随着大数据消费的扩张,性能将成为一个问题。企业急需数据科学家,这些科学家了解数据以及数据库管理系统和一体机,并能对其进行监视和性能优化。最后,这些专家在数据来源和操作系统领域具备渊博的学识,这将帮助企业确定哪些数据应该被添加到当前数据仓库和一体机中。
数据分析咨询请扫描二维码
数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21《Python数据分析极简入门》 第2节 3 Pandas数据查看 这里我们创建一个DataFrame命名为df: importnumpyasnpi ...
2024-11-21越老越吃香的行业主要集中在需要长时间经验积累和专业知识的领域。这些行业通常知识更新换代较慢,因此随着年龄的增长,从业者能 ...
2024-11-20数据导入 使用pandas库的read_csv()函数读取CSV文件或使用read_excel()函数读取Excel文件。 支持处理不同格式数据,可指定分隔 ...
2024-11-20大数据与会计专业是一门结合了大数据分析技术和会计财务理论知识的新型复合型学科,旨在培养能够适应现代会计业务新特征的高层次 ...
2024-11-20要成为一名数据分析师,需要掌握一系列硬技能和软技能。以下是成为数据分析师所需的关键技能: 统计学基础 理解基本的统计概念 ...
2024-11-20是的,Python可以用于数据分析。Python在数据分析领域非常流行,因为它拥有丰富的库和工具,能够高效地处理从数据清洗到可视化的 ...
2024-11-20在这个数据驱动的时代,数据分析师的角色变得愈发不可或缺。他们承担着帮助企业从数据中提取有价值信息的责任,而这些信息可以大 ...
2024-11-20数据分析作为现代信息时代的支柱之一,已经成为各行业不可或缺的工具。无论是在商业、科研还是日常决策中,数据分析都扮演着至关 ...
2024-11-20数字化转型已成为当今商业世界的热点话题。它不仅代表着技术的提升,还涉及企业业务流程、组织结构和文化的深层次变革。理解数字 ...
2024-11-20在现代社会的快速变迁中,选择一个具有长期增长潜力的行业显得至关重要。了解未来发展前景好的行业不仅能帮助我们进行职业选择, ...
2024-11-20统计学专业的就业方向和前景非常广泛且充满机遇。随着大数据、人工智能等技术的快速发展,统计学的重要性进一步凸显,相关人才的 ...
2024-11-20