डेटा वेयरहाउसिंग एक ऐसा दृष्टिकोण है जो व्यवसाय को एक महत्वपूर्ण व्यावसायिक अंतर्दृष्टि प्रदान करने के लिए कई स्रोतों से डेटा एकत्र और प्रबंधित कर सकता है। डेटा वेयरहाउस विशेष रूप से प्रबंधन निर्णय प्रदान करने के लिए डिज़ाइन किया गया है।
सरल शब्दों में, डेटा वेयरहाउस एक डेटाबेस को परिभाषित करता है जिसे किसी संगठन के परिचालन डेटाबेस से स्वतंत्र रूप से बनाए रखा जाता है। डेटा वेयरहाउस सिस्टम कई एप्लिकेशन सिस्टम के एकीकरण को सक्षम बनाता है। वे विश्लेषण के लिए समेकित, ऐतिहासिक डेटा का एक ठोस मंच प्रदान करके डेटा प्रोसेसिंग का समर्थन करते हैं।
एक डेटा वेयरहाउस एक शब्दार्थ रूप से सुसंगत डेटा सेव है जो निर्णय समर्थन डेटा मॉडल के भौतिक निष्पादन के रूप में संभालता है। यह रणनीतिक निर्णय लेने के लिए आवश्यक डेटा को एक उद्यम बचाता है। डेटा वेयरहाउस को एक आर्किटेक्चर के रूप में देखा जाता है, जिसे संरचित और तदर्थ प्रश्नों, विश्लेषणात्मक दस्तावेज़ीकरण और निर्णय लेने के लिए कई विषम स्रोतों से रिकॉर्ड को एकीकृत करके बनाया गया है।
डेटा वेयरहाउस के निर्माण के लिए डेटा की सफाई, डेटा एकीकरण और डेटा समेकन की आवश्यकता होती है। डेटा वेयरहाउस के उपयोग के लिए निर्णय समर्थन तकनीकों के एक सेट की आवश्यकता होती है। यह प्रबंधकों, विश्लेषकों और अधिकारियों जैसे "ज्ञान कार्यकर्ताओं" को डेटा का अवलोकन तेजी से और आसानी से प्राप्त करने के लिए गोदाम की आवश्यकता के लिए सक्षम बनाता है, और ठोस निर्णय लेने के लिए गोदाम में डेटा पर निर्भर करता है।
कुछ संगठन इस डेटा का उपयोग व्यावसायिक निर्णय लेने की गतिविधियों को प्रदान करने के लिए करते हैं, जिनमें शामिल हैं
-
यह उपयोगकर्ता का फ़ोकस बढ़ा सकता है, जिसमें खरीदारी की पसंद, ख़रीदने का समय, बजट चक्र, और ख़र्च की माँग सहित उपयोगकर्ता ख़रीदने के पैटर्न का विश्लेषण शामिल है।
-
इसका उपयोग तिमाही, वर्ष और भौगोलिक क्षेत्रों द्वारा उत्पादन विधियों को ठीक करने के लिए बिक्री के कार्यान्वयन की तुलना करके उत्पादों को पुनर्स्थापित करने और उत्पाद पोर्टफोलियो को संभालने के लिए किया जा सकता है।
-
यह संचालन का विश्लेषण और लाभ के स्रोतों की तलाश कर सकता है।
-
यह ग्राहक संबंधों को प्रबंधित करने, पर्यावरण सुधार करने और कॉर्पोरेट संपत्तियों की लागत का प्रबंधन करने के लिए हो सकता है।
डेटा वेयरहाउसिंग विषम डेटाबेस एकीकरण के दृष्टिकोण से फायदेमंद है। संगठन आम तौर पर कई प्रकार के डेटा एकत्र करते हैं और कई, विषम, स्वायत्त और वितरित डेटा स्रोतों से बड़े डेटाबेस का समर्थन करते हैं।
इस तरह के डेटा को संयोजित करना और उस तक आसान और प्रभावी पहुंच का समर्थन करना बेहद वांछनीय, फिर भी चुनौतीपूर्ण है। इस लक्ष्य को प्राप्त करने के लिए डेटाबेस बाजार और अनुसंधान समुदाय में बहुत प्रयास किया गया है।
विषम डेटाबेस एकीकरण के लिए पारंपरिक डेटाबेस विधि कई, विषम डेटाबेस के शीर्ष पर रैपर और इंटीग्रेटर्स (या मध्यस्थ) का निर्माण करना है। जब किसी उपयोगकर्ता साइट पर कोई प्रश्न पूछा जाता है, तो एक मेटाडेटा शब्दकोश का उपयोग क्वेरी को शामिल एकल विषम साइटों के लिए उपयुक्त क्वेरी में व्याख्या करने के लिए किया जा सकता है।
इन प्रश्नों को मैप किया जाता है और स्थानीय क्वेरी प्रोसेसर के साथ साझा किया जाता है। एकाधिक साइटों से पुनर्स्थापित किए गए परिणाम वैश्विक उत्तर सेट में एकीकृत होते हैं। इस क्वेरी-संचालित पद्धति के लिए जटिल डेटा फ़िल्टरिंग और एकीकरण प्रक्रिया की आवश्यकता होती है, और संसाधनों को संसाधित करने के लिए स्थानीय साइटों के साथ प्रतिस्पर्धा करती है। यह बार-बार की जाने वाली क्वेरी के लिए अप्रभावी और संभावित रूप से महंगा है, विशेष रूप से क्वेरी के लिए आवश्यक एकत्रीकरण।