데이터마트

Data mart
데이터 웨어하우스 개요(오른쪽 상단에 데이터 마트가 표시됨).

데이터 마트는 데이터 웨어하우스 환경에 고유한 구조/액세스 패턴으로, 클라이언트용 데이터를 검색하는 데 사용됩니다.데이터 마트는 데이터 웨어하우스의 하위 집합이며 일반적으로 특정 비즈니스 라인 또는 팀을 대상으로 합니다.데이터 웨어하우스는 전사적인 깊이를 가지고 있지만 데이터 마트의 정보는 단일 부서에 관련되어 있습니다.도입 환경에 따라서는 각 부문 또는 사업부가 모든 하드웨어, 소프트웨어 및 [1]데이터를 포함한 데이터 마트의 소유자로 간주됩니다.이를 통해 각 부서는 데이터의 사용, 조작 및 개발을 격리할 수 있습니다.적합한 치수를 사용하는 다른 배치에서는 고객, 제품 등의 공유 치수에 대해 이 비즈니스 유닛의 소유권이 적용되지 않습니다.

창고와 데이터 마트는 데이터베이스의 정보가 쉽게 접근할 수 있는 방식으로 구성되어 있지 않기 때문에 구축됩니다.이 조직에서는 너무 복잡하거나 접근이 어렵거나 리소스가 많이 사용되는 쿼리를 필요로 합니다.

트랜잭션 데이터베이스는 업데이트되도록 설계되어 있지만 데이터 웨어하우스 또는 마트는 읽기 전용입니다.데이터 웨어하우스는 관련 레코드의 대규모 그룹에 액세스하도록 설계되어 있습니다.데이터 마트는 사용자가 가장 자주 볼 필요가 있는 특정 유형의 데이터에 액세스할 수 있도록 함으로써 최종 사용자의 응답 시간을 단축합니다.또한 사용자 그룹의 집합 뷰를 지원하는 방식으로 데이터를 제공합니다.

데이터 마트는 기본적으로 조직 [2]내 각 사업부의 규정 및 프로세스 사양을 반영하는 데이터 웨어하우스의 요약된 보다 집중적인 버전입니다.각 데이터 마트는 특정 비즈니스 기능 또는 지역 전용입니다.이 데이터의 서브셋은 기업의 기능 분야 중 많은 부분 또는 전체에 걸쳐 있을 수 있습니다.각 사업부의 요구를 충족시키기 위해 여러 데이터 마트를 사용하는 것이 일반적입니다(회계, 마케팅, 영업 등 다양한 기업 부문의 특정 정보를 얻기 위해 서로 다른 데이터 마트를 사용할 수 있습니다).

관련 용어 스프레드마트는 한 명 이상의 비즈니스 분석가가 비즈니스 분석을 수행하기 위해 연계된 스프레드시트 시스템을 개발한 후 이를 유지하기가 거의 불가능할 정도로 크기와 복잡성으로 성장시킬 때 발생하는 상황을 조롱하는 용어이다.이 조건의 용어는 "Excel Hell"[3]입니다.

데이터 마트와 데이터 웨어하우스

데이터 웨어하우스:

  • 여러 주제 영역 보유
  • 매우 상세한 정보를 담고 있습니다.
  • 모든 데이터 소스를 통합합니다.
  • 반드시 치수 모델을 사용할 필요는 없지만 치수 모델을 공급합니다.

데이터마트:

  • 대부분의 경우 하나의 분야(예: 재무 또는 영업)만 담당합니다.
  • 더 많은 요약 데이터를 저장할 수 있습니다(단, 전체 세부 정보는 저장 가능).
  • 특정 주제 영역 또는 소스 시스템 집합의 정보 통합에 집중합니다.
  • 스타 스키마를 사용하여 치수 모델에 중점을 두고 제작됩니다.

설계 스키마

데이터 마트를 만드는 이유

  • 자주 필요한 데이터에 쉽게 접근
  • 사용자 그룹별로 집합 보기를 만듭니다.
  • 최종 사용자의 응답 시간 향상
  • 작성의 용이성
  • 전체 데이터 웨어하우스를 구현하는 것보다 비용 절감
  • 잠재적인 사용자는 전체 데이터 웨어하우스에서보다 명확하게 정의됩니다.
  • 비즈니스 필수 데이터만 포함되며 복잡하지 않습니다.
  • 주요 데이터 정보가 있습니다.

종속 데이터 마트

Inmon 데이터 웨어하우징 학파에 따르면 종속 데이터 마트는 다음과 같은 이유로 격리된 대규모 데이터 웨어하우스의 논리적 하위 집합(뷰) 또는 물리적 하위 집합(추출)입니다.

  • 특별한 데이터 모델 또는 스키마 갱신 필요: OLAP의 재구축 등
  • 퍼포먼스: 효율을 높이기 위해 데이터 마트를 다른 컴퓨터에 오프로드하거나 중앙 데이터 웨어하우스에서 워크로드를 관리할 필요가 없습니다.
  • 보안: 인증된 데이터 서브셋을 선택적으로 구분합니다.
  • 편의성: 엔터프라이즈 데이터 웨어하우스에 새로운 애플리케이션을 통합하기 위해 필요한 데이터 거버넌스 및 인가를 생략합니다.
  • 근거 증명: 애플리케이션을 엔터프라이즈 데이터 웨어하우스로 이행하기 전에 실행 가능성과 ROI(투자수익률) 가능성을 입증합니다.
  • 정치: 사용자 그룹이 자금 조달보다 영향력이 크거나 일원화된 데이터 웨어하우스에 대해 좋은 시민이 아닌 상황에서 IT(정보기술)에 대한 대처 전략.
  • 정치: 데이터 웨어하우스 팀이 사용 가능한 데이터 웨어하우스를 만들 수 없는 상황에서 데이터 소비자를 위한 대처 전략.

Inmon 데이터 웨어하우징 학파에 따르면 데이터 마트에 내재된 트레이드오프에는 확장성 제한, 데이터 복제, 다른 정보 사일로와의 데이터 불일치, 엔터프라이즈 데이터 소스 활용 불가 등이 있습니다.

데이터 웨어하우징의 대안 학교는 Ralph Kimball의 학교이다.그가 보기에 데이터 웨어하우스는 모든 데이터 마트의 결합에 지나지 않습니다.이 뷰는 비용 절감과 신속한 개발을 지원하지만 특히 대규모 조직에서 일관성이 없는 데이터 웨어하우스를 만들 수 있습니다.따라서 김볼의 접근 방식은 중소기업에 [4]더 적합하다.

「 」를 참조해 주세요.

레퍼런스

  1. ^ Inmon, William (July 18, 2000). "Data Mart Does Not Equal Data Warehouse". DMReview.com. Archived from the original on April 20, 2011.
  2. ^ Silvers, Fon (2008). Building and Maintaining a Data Warehouse. Boca Raton, Florida: CRC Press. p. 128. ISBN 978-1-4200-6462-9.
  3. ^ Caudill, Herb (April 1, 2018). "Excel Hell: A cautionary tale". Medium. Retrieved October 19, 2021.
  4. ^ Ponniah, Paulraj (2010). Data Warehousing Fundamentals for IT Professionals. Hoboken, New Jersey: Wiley. pp. 29–32. ISBN 978-0470462072.

외부 링크