Resumo
Muitas coisas na vida são encaradas corretamente, porém, das coisas que vale a pena ter mais experiência, há aquelas que surgem de erros cometidos, porque é conhecido o resultado negativo obtido, as causas de seu contexto que influenciaram o erro e o erro. tente não repeti-lo o máximo possível.
Essa lista de erros na construção de um datawarehouse corporativo é um dos primeiros artigos, que busca gerar uma base de conhecimento e experiência de lições aprendidas em projetos de tecnologia da informação, neste caso específico em projetos corporativos de desenvolvimento de datawareware.
Essa lista foi criada para servir como um utilitário para todas as pessoas que têm alguma participação no desenvolvimento de um datawarehouse e permitirá avaliar qual é o caminho que estão seguindo e as oportunidades para o sucesso final, mas os conselhos mais sintetizados que podem ser extraídos de é manter um trabalho conjunto nos níveis e áreas organizacionais participantes, bem como trabalhar em bases teórico-práticas sólidas da tecnologia envolvida.
O objetivo desta lista é fornecer uma fonte de consulta das lições aprendidas, a partir da aplicação dessa tecnologia em várias empresas, bem como fornecer uma base teórico-prática, que se baseia no domínio da ciência da computação e, mais adequadamente, do tecnologia de datawarehouse e, em última análise, deve permitir que o projeto corporativo de datawarehouse de sua empresa seja bem-sucedido no futuro.
Palavras-chave: datawarehouse, datamart, datamining, construção de um datahouse corporativo, erros comuns, gerenciamento de um projeto de datawarehouse, riscos de construir um datawarehouse, perspectivas do datawarehouse, métricas de rentabilidade do investimento de um datahouse
Índice
1. introdução
2. Lista dos 10 erros mais comuns na construção de um datawarehouse corporativo
3. Conclusões
4. Bibliografia
1. introdução
Hoje, as áreas de tecnologia da maioria das empresas financeiras e comerciais, que até recentemente dedicavam a maior parte de seus esforços ao fornecimento de sistemas de informações transacionais - que sustentavam o fardo da maioria das atividades em suas cadeias de valor - Eles estão focados em alcançar a exploração coerente de seus dados armazenados: histórico e transacional, a realidade ao seu redor, é o enorme tamanho dos dados obtidos nas operações diárias de seus sistemas transacionais e o problema de analisar e extrair conhecimento disso tudo. informações que permanecem enterradas em si.
Há uma série de técnicas computacionais que permitem transformar essas informações transacionais, operacionais e diárias em informações com diferentes níveis de agregação, resumidas, exatas e especializadas por tópico, e que permitem sua análise, facilitando a tomada de decisões gerenciais, Essa tecnologia é chamada de Repositório de Dados ou Datawarehouse.
No entanto, e com base na prática profissional, a construção de um datawarehouse não é imune a problemas que impedem seu sucesso e a consecução de seu objetivo final: suporte à tomada de decisões gerenciais.
Este artigo tenta ir além do teórico, apresentar questões problemáticas que impedem o desenvolvimento bem-sucedido de um dataware corporativo.
Por esse motivo, deve-se especificar que a lista a seguir - dos erros mais comuns no desenvolvimento de um dataware corporativo - emerge do desenvolvimento dessa tecnologia em empresas representativas pertencentes ao setor financeiro e comercial peruano.
Dado que um projeto deve satisfazer o cliente, representando os retornos de seu investimento - sabemos que nem sempre é fácil estimar isso em projetos de tecnologia da computação - o sucesso de um projeto de desenvolvimento de datawarehouse é diretamente proporcional à utilidade obtida na análise do informações para tomar as decisões corretas em que a empresa se beneficia, neste ponto: saber que uma decisão tomada - com base na análise de dados através do datawarehouse - produz maior receita e / ou economia, é a mais Estimativa adequada, para isso devemos considerar a facilidade de obter relatórios, bem como a flexibilidade de sua configuração.Considera-se - para gerar aprendizado a partir das decisões tomadas a cada momento - a importância de armazenar a forma e as informações dos agregados e relatórios utilizados ao longo do tempo, como forma de demonstrar seu valor para a empresa.
Essa lista, com o uso adequado, permitirá tomadas de decisão mais precisas por parte do gerenciamento de projetos, proprietários e clientes, conhecendo as possíveis consequências de uma ou outra estratégia ou medida determinada e evitando erros frequentes, permitindo economia de custos, tanto na formulação, desenvolvimento e implementação do projeto.
2. Lista dos 10 erros mais comuns na construção de um datawarehouse corporativo
1º Erro: Assuma a solução dos problemas que possam surgir como uma questão puramente técnica
O datawarehouse requer a participação ativa dos tomadores de decisão gerenciais.
2º Erro: Não atribuir um orçamento adequado para todo o projeto.
Uma alocação adequada de capital e recursos para suportar e funcionar a plataforma tecnológica e a infraestrutura exigida por um dataware corporativo devem ser um dos aspectos iniciais ao considerá-lo como um projeto.
3º Erro: Falta de comprometimento da gerência sênior.
O sucesso do datawarehouse corporativo requer o apoio total da alta gerência, com base na segurança e confiança fornecidas ao gerenciamento do projeto e sua equipe de desenvolvimento, para permitir que o trabalho seja fluido em todas as áreas organizacionais envolvidas no projeto.
4º erro: não ter uma infraestrutura adequada para suportá-lo.
O datawarehouse corporativo requer uma infra-estrutura tecnológica e organizacional adequada. A arquitetura dos sistemas de um datawarehouse varia de servidores de banco de dados proprietários, servidores de transformação e limpeza de dados, nós de usuário gerencial front-end organizados em toda a organização. O software requer aplicativos de servidor, cliente e camada de negócios que funcionam eficientemente em ambientes de consulta n-dimensional e em processamento paralelo.
5º Erro: Bancos de dados redundantes, não transparentes e não documentados.
O estado dos bancos de dados transacionais dos quais as informações que serão transformadas e armazenadas no datawarehouse são extraídas geralmente não é considerado nas estimativas iniciais de tempo, no entanto, isso pode representar um atraso significativo, o ideal em qualquer caso é que os estados das entidades, como contas, clientes, dívidas, pagamentos etc. são armazenados em tabelas históricas por períodos significativos, de acordo com a frequência média de variação (mensal, quinzenal, diária) e na forma padrão, no entanto, na prática, essas informações são encontradas como parte das tabelas usadas para os relatórios de gerenciamento, que já passaram por um processo de filtragem, perdendo a coerência dos dados históricos e as alterações em seus estados ao longo do tempo, no nível de tudo o negócio.
Em alguns casos, recomenda-se fazer uma reengenharia independente de bancos de dados em um nível transacional, no qual as alterações nos estados das entidades podem ser armazenadas de maneira limpa como uma etapa anterior para considerar a extração dos dados desde suas origens.
6º Erro: falha em promover um ambiente de cooperação completa entre os DBAs e a equipe do datawarehouse.
Ao iniciar um projeto de datawarehouse em uma empresa, a área Administradores de Banco de Dados dos DBAs já existe, portanto, é recomendável criar a Área de Datawarehouse no mesmo nível dos DBAs - e não sob o controle dos DBAs. Muitos DBAs são responsáveis por manter os bancos de dados para dar suporte às transações diárias. Criar uma plataforma alternativa suficiente para o desenvolvimento do datawarehouse, tendo acesso às fontes de informação do domínio do datawarehouse diretamente e não como intermediários dos DBAs, é um dos fatores importantes que contribui para um desenvolvimento mais rápido do projeto e que apontar para o sucesso.
7º Erro: falha ao usar uma metodologia de especificação de requisitos adequada para o gerenciamento.
Nas atividades de especificação de requisitos por usuários de gerenciamento, não usar uma metodologia que permita ao usuário expressar seus requisitos com facilidade e pronto para feedback subsequente é um dos erros frequentes.
Recomenda-se o uso de prototipagem, bem como a preparação de documentos de especificação funcional para requisitos pelas áreas de gerenciamento.
8º Erro: Ignorância da cadeia de valor, fluxos de informações nas atividades de negócios.
Identificar as atividades que são fatores críticos de sucesso, bem como observar o fluxo de atividades de competência central que permitem que os produtos ou serviços oferecidos forneçam valor ao cliente, é uma tarefa de conhecimento do negócio que os projetistas do datawarehouse não devem passar ignorando isso para escolher uma estratégia de desenvolvimento de projeto - com base em um modelo geral de desenvolvimento de datamart por processos ou áreas organizacionais - que permita estabelecer prioridades de acordo com o plano estratégico da empresa.
9º Erro: Não ter uma perspectiva de integração com outras tecnologias relacionadas.
Uma sólida base teórica em tecnologia da informação e a ampla gama de tendências e soluções existentes permitirão o desenvolvimento de um datawarehouse com uma visão para o futuro. Nessa perspectiva, as tecnologias relacionadas são: OLAP que permite a análise de informações históricas para determinar padrões de comportamento; por outro lado, datamining que permite a descoberta de padrões de comportamento, mas automaticamente usando modelos e algoritmos (decisão árvores, aglomerados, redes neurais, lógica fuzzy, regressão linear, etc.), Um pouco mais distante está a implementação de um balanced scorecard corporativo, onde o datawarehouse fornece informações dos indicadores por períodos históricos.
Décimo erro: mau gerenciamento do projeto e descontinuação do plano de desenvolvimento do projeto.
A capacidade do gerente de projetos é exposta em toda a sua real dimensão, tanto no treinamento técnico e humano, como no produto de experiências em projetos similares. O desenvolvimento do datawarehouse deve ser cíclico e em etapas, com as atividades de análise, design, desenvolvimento, teste; marcos repetitivos, tentando evitar o trabalho repetitivo.
3. Conclusões
Este artigo faz parte de uma série de artigos que o autor apresenta sobre tecnologia da informação, particularmente neste artigo, fornecendo uma lista dos 10 erros mais comuns que ocorrem no desenvolvimento de projetos para construir um datawarehouse corporativo..
A base teórica sobre a qual essa classe de projetos se baseia começa a partir da concepção de Bancos de Dados Multidimensionais (Ontologia, Modelo de Dados Conceitual, Interpretação Semântica, Teoria de Conjuntos e Relações), a partir dos quais se espera obter informações exatas., preciso e resumido para análise e suporte à tomada de decisões gerenciais.
A base prática foi obtida como resultado da participação do autor em vários projetos de datawarehouse em importantes empresas comerciais e financeiras peruanas, cuja experiência está impregnada neste artigo, e é apresentada ao leitor como uma ferramenta de consulta e base teórico-prática., para obter sucesso futuro no desenvolvimento do seu datawarehouse corporativo.
4. Bibliografia
1. Construindo o data warehouse Autor WH Inmon Editorial John
Wiley & Sons, Inc. Nova York, NY, EUA 1996
2. Kit de Ferramentas para o Ciclo de Vida do Data Warehouse: Métodos Especializados para Projeto, Desenvolvimento e Implantação de Data Warehouses Autores Ralph Kimball, Laura Reeves, Warren Thornthwaite, Margy Ross, Editorial de Warren Thornwaite John Wiley & Sons, Inc. New York, NY, EUA 1998
3. Algoritmo Genético para Seleção de Vista Materializada em Dados
Ambientes de Armazém Editorial Springer Berlin / Heidelberg
1999
4. Modelagem de Data Warehouse e Questões de Qualidade Autor: Panos Vassiliadis - Divisão de Ciência da Computação do Laboratório de Sistemas de Conhecimento e Sistemas de Banco de Dados - Departamento de Engenharia Elétrica e de Computação - Universidade Técnica Nacional de Atenas - Zographou 157 73, Atenas, GRÉCIA phd.pdf
5. Manutenção de visualizações de data warehouse usando padronização
Autores: Mukesh Mohania, Kamal Karlapalem, Millist Vincent In D.
Ram, editor, Gerenciamento de dados, páginas 32–50. Springer Verlag, 1997.
6. Uma metodologia para o projeto de datawarehouse: modelagem conceitual Autores José María Cavero Universidade Rey Juan Carlos, Espanha, Esperanza Marcos Universidade Rey Juan Carlos, Espanha, Mario Piattini Universidade de Castilla-La Mancha, Espanha, Adolfo Sánchez Cronos Ibérica, SA, Espanha. Editor IRM Press Hershey, PA, Estados Unidos 2002
7. Uma estratégia para gerenciar a qualidade dos dados em sistemas de data warehouse
1 / IQ01HelfertMaur.pdf
