سؤال وجواب مع Barry Devlin حول خطوط أنابيب البيانات الآلية

تعد خطوط أنابيب البيانات الآلية جزءًا مهمًا من لغز تخزين البيانات. إنها تسمح للمؤسسات الحديثة بالحفاظ على بيانات دقيقة وعالية الجودة تغذي مبادراتها في مجال ذكاء الأعمال والتحليلات. أطلقنا مؤخرًا Astera DW Builder ، منشئ مستودع بيانات قوي يعمل على تسريع إنشاء خطوط أنابيب البيانات وتنظيمها وإدارتها بشكل جذري لتمكين اتخاذ قرارات تستند إلى البيانات بشكل أسرع.

Astera تسمح لك خطوط أنابيب البيانات ذاتية التنظيم الخاصة بـ DW Builder بتعبئة مستودع البيانات الخاص بك بسلاسة ببيانات عبر المؤسسات. باستخدام وظائف ETL و ELT التلقائية للمنتج ، يمكنك تغطية رحلة البيانات من المصدر إلى الرؤى بأقل جهد يدوي.

لقد أتيحت لنا الفرصة مؤخرًا للدردشة مع Barry Devlin ، وهي السلطة الأولى في تخزين البيانات ، من أفضل ممارسات ذكاء الأعمال إلى البيانات الضخمة وما بعدها. فيما يلي بعض الأفكار التي قدمها Barry بشأن الاعتبارات الرئيسية لتدفق البيانات في EDW الحديث.

تعالج مستودعات البيانات الحديثة كميات هائلة من البيانات. عندما يتعلق الأمر ببناء خطوط بيانات يمكنها تقديم هذه الكميات الكبيرة من البيانات بشكل فعال ، فهل هناك أي ممارسات أفضل توصي بها؟

حسنًا ، قبل الحديث عن أفضل الممارسات ، أود أن أفعل أحد أفضل الممارسات مقدمًا بنفسي وهو تحديد بعض العبارات التي سنستخدمها هنا وتوضيحها. [هذا] نظرًا لوجود العديد من المعاني المختلفة للكلمات والعبارات الرئيسية في السوق في الوقت الحالي.

لذلك أولاً ، خطوط أنابيب البيانات ، يستخدم العديد من الأشخاص هذه العبارة لتعني مسارًا متكاملًا كاملًا من بيانات المصدر وصولاً إلى الأدوات التي يستخدمها رجل الأعمال. أرى أن استخدامك للمصطلح أقل تركيزًا على ذلك المسار الكامل من الحساء إلى المكسرات ولكن بدلاً من ذلك ، فإن إمكانية وجود خط أنابيب أقصر بين ، على سبيل المثال ، مكونات مختلفة مثل مثيل SAP و ، دفق النقر على موقع الويب إلى مستودع بيانات المؤسسة. أعتقد أن هذا نهج أفضل ، وهو النهج الذي من المرجح أن ينجح.  

ثانيًا ، هناك سؤال حول ما نعنيه عندما نقول مستودع البيانات. لأن هناك العديد من الأساليب المتناقضة. لذلك ، في معظم الحالات ، عندما أقول مستودع البيانات ، أعني هيكلًا من طبقتين يتكون من مستودع بيانات مؤسسي ، و EDW ، ونموذج عادي ثالث غير محكم - أو على الأرجح اليوم ، نموذج خزنة البيانات - يغذي مجموعات بيانات متعددة ، كثير منها قد يكون ذات أبعاد في الطبيعة. وهذا لا يستبعد الهياكل الأخرى التي يكون معظمها تبسيطًا لهذا النهج المكون من طبقتين.

أخيرًا ، سأستخدم عبارة "إعداد البيانات أو المعلومات" لتغطية جميع أنواع المعالجة مثل ETL و ELT والتدفق وأتمتة مستودع البيانات وحتى المحاكاة الافتراضية للبيانات لأن كل هذه المصطلحات الأخيرة هي حالات محددة لإعداد البيانات والمعلومات أو الأساليب التقنية لذلك.

بعد أن قلت ذلك مقدمًا ، دعني أتحدث عن أفضل الممارسات التي سألتني عنها وسوف أقصر نفسي على ثلاثة ، ولكن هناك الكثير.

لذلك أولاً ، أود أن أقول أدوات وأتمتة شاملة سهلة الاستخدام - وهذا واضح إلى حد ما. يعد إعداد [إعداد] البيانات أغلى جزء في مستودع البيانات. لذلك ، فإن إنشاء فرق من المبرمجين لبناء حلول مخصصة متعددة غير متسقة وغير قابلة للاستمرار هو ، أو يجب أن يكون ، شيئًا من الماضي. هذه النقطة الأولى.

أفضل الممارسات الثانية هي: الحصول على مرحلة التصميم بشكل صحيح من خلال إشراك الأعمال بشكل وثيق ومستمر في العملية. هذا يعني التكرار ، نهج التنمية الرشيقة [هذا] أقل على تسليم تطبيقات الأعمال ولكن أكثر على تسليم أجزاء مفيدة من نطاق معلومات مستودع البيانات.

وثالثًا ، أود أن أقول إدارة الصيانة والتغيير. هذه هي السمات الرئيسية التي غالبا ما يتم تجاهلها. لذلك ، ركز على ضمان اعتبار الترقيات والصيانة مبكرًا ووضع عملية مرتبطة ارتباطًا وثيقًا بالتصميم والبناء الأولي.

لذا ، بالعودة إلى نقطتي الأولى ، تلعب الأدوات والأتمتة دورًا مركزيًا في تحقيق ذلك. لذلك ، هناك ثلاث ممارسات أفضل أعتقد أنها مهمة حقًا في هذا المجال.

كان ETL مرادفًا لتخزين البيانات منذ بداية التكنولوجيا. كيف تطورت هذه العملية في عصر ما يسمى بالبيانات الضخمة التي لدينا الآن؟ ما نوع الابتكارات التي تراها والتي يمكن أن تقلل تكلفة وتعقيد ETL التقليدية؟

أعتقد أنه يتعين علينا دائمًا التعلم من التاريخ. إن إعداد البيانات ، في رأيي ، قد تطور بشكل متقطع ويبدأ بخطوات رجعية متكررة. على سبيل المثال ، غالبًا ما تم ملء بحيرات البيانات الأولية ومستودع البيانات المستند إلى السحابة عبر البرامج النصية والحلول البرمجية المماثلة في Hadoop. كانت هذه خيبة أمل كبيرة بالنسبة لي.

من الجيد أن نرى الآن إعادة التركيز على الأدوات الآلية. كان الاتجاه على المدى الطويل على نطاق واسع من الحلول المصنوعة يدويًا والمفصلة إلى استخدام ETL - ومؤخراً أدوات ELT. وقد تم استكمال ذلك من خلال التحول من تسليم مجموعة من البيانات إلى مجموعة متنوعة من نهج التسليم الإضافي مع زيادة أحجام البيانات وتطلب الأعمال المزيد والمزيد من المعلومات في الوقت المناسب.

في الأيام الخوالي ، كانت ETL كلها من أنظمة تشغيلية غالبًا ما تكون قديمة الطراز في التصميم مع العديد من الرموز الغامضة. كان فهم التعقيدات وكذلك قواعد العمل العميقة التي عفا عليها الزمن ولكنها كانت لا تزال في النظام مطلبًا أساسيًا لمبرمج ETL.

ثم كان هناك طلب مطلق للحد من التأثير على أنظمة التشغيل ، [من حيث] تصميمها وأدائها. كان على مهندسي ETL أن يكونوا خبراء بعمق في الهياكل الغامضة ومحتوى أنظمة المصدر القديمة هذه.

والخبر السار الآن هو أن أنظمة التشغيل غالبًا ما تكون مصممة بشكل أفضل وأكثر حداثة وأحيانًا تعتمد على السحابة. لذلك ، هناك حاجة أقل للتعامل مع الأنظمة الغامضة والمزيد من التركيز على التصميم المبتكر والأنظمة المستهدفة. بالطبع ، يقلل من تكاليف وتعقيد إعداد البيانات.

ومع ذلك ، فإن مصادر البيانات الخارجية مثل إنترنت الأشياء (IoT) تدفع بالفعل احتياجات جديدة من حيث توقيت البيانات وأنواع التحليلات المعنية. لذلك ، من الناحية الفنية ، يتعين علينا أيضًا التفكير في الدفق مقابل تحميل الدُفعات أو نُهج النسخ المتماثل.

تتيح المصادر الأقل عتيقة أيضًا التحول من التحولات المخصصة والمشفرة يدويًا إلى أكثر من نموذج أو نهج يعتمد على البيانات الوصفية لإعداد المعلومات والذي يقع بالفعل في قلب أتمتة مستودعات البيانات.

لقد ذكرت عدة مرات أن تعلم اللغة الإنجليزية هو أسلوب جديد يتم تطبيقه. كيف ترى ذلك فيما يتعلق بـ ETL؟ هل هذه الأساليب التكميلية أم أن هناك نوعًا من الأشياء التي تحدث هنا؟

أعتقد أن هناك الكثير من الأسئلة حول ذلك ، ولكن ، أولاً ، أود فقط أن أقول شيئًا أعتقد أن ETL كان اختيارًا مؤسفًا للمصطلحات في الأيام الأولى. الاستخراج والتحويل والتحميل - لأنه يركز الانتباه على تسلسل الإجراءات بدلاً من العملية الشاملة ، ولهذا السبب أفضل استخدام مصطلح إعداد البيانات أو المعلومات.

يعتبر ترتيب أو موقع الخطوات أقل أهمية بالنسبة لي من كيفية أدائنا لها بالفعل. نأمل ، بطريقة تعتمد على البيانات الوصفية. لذلك ، تجدر الإشارة أيضًا إلى أن التحول هو الخطوة الأكثر تعقيدًا وأهمية في العملية ، وتبين أن فهم مكان حدوثه يمثل أحد اعتبارات التصميم الرئيسية.

لذلك ، هذا ما قيل والعودة إلى سؤالك. ELT - الاستخراج والتحميل والتحويل - يعني ببساطة أن التحويل يحدث في البيئة المستهدفة باستخدام القوة الحاسوبية [للطرق] مثل قاعدة البيانات العلائقية الموجودة هناك. هل هذا جيد؟ نعم. خاصة.

التحويل على النظام المصدر ، ربما كان ينبغي أن يسمى التحويل والاستخراج والتحميل [TEL] ، يتم دائمًا إلى حد ما ولكن تم الاحتفاظ به تاريخيًا بالحد الأدنى المطلق لتقليل تأثير نظام المصدر. كان التحويل على نظام وسيط - ETL - خيارًا واضحًا ، مما قلل من التأثيرات على كل من أنظمة المصدر والهدف.

ومع ذلك ، فإن الأنظمة المستهدفة خاصة على السحابة بها قيود أداء قليلة أو معدومة ، كما أن DBMS العلائقية المستهدفة تتمتع بقدرات تحويلية جيدة ، لذا فإن ELT لها معنى كبير ، ونعم أعتقد أنها مكملة ولا سيما النهج الذي يجمع بين ETL و ELT يبدو بالنسبة لي أن أكون الأكثر مرونة وقوة ، خاصةً إذا كان هناك بعض الذكاء والأتمتة في اختيار متى وفي أي ظروف يتم دفع الوظيفة من خادم ETL [أي ،] حيث يتم تعريفها أولاً وتشغيلها إلى النظام المستهدف. لذا ، بالتأكيد! ليست مسألة اختيار بين الاثنين. أعتقد أنهما يمكن أن يتعايشا معًا ، وأعتقد أن هذا أسلوب جيد حقًا.

كيف يمكنك التأكد من إحضار البيانات الصحيحة إلى مستودع البيانات الخاص بك والتي يتم دمجها وتحويلها على النحو الأمثل لتلائم متطلبات إعداد التقارير والتحليلات؟ ما هي بعض النصائح التي قد تقدمها للمؤسسات التي تتطلع إلى ضمان جودة البيانات في مستودع بيانات المؤسسة؟

أوه ، إنها أسئلة رائعة. أعني أن الجودة أساسية لجميع أشكال صنع القرار بناءً على البيانات أو أود أن أقول المزيد من المعلومات المناسبة. لذا ، فإن أول شيء بالنسبة لي هو دائمًا عمل بيانات أو نماذج معلومات شاملة وعالية الجودة. أعلم أن بعض الناس يرفعون أيديهم ويقولون ، "أوه ، بطيء جدًا [و] غالي جدًا. دعونا نقرأ المخطط "ولكن بصراحة ، لا أعتقد أن هناك أي طريقة أخرى للحصول على بيانات متسقة للغاية في المستودع الخاص بك بخلاف النمذجة مقدمًا.

لذلك ، هذا مهم حقًا ، وأعتقد أن هذا النموذج يمكن ويجب أن يتم على مراحل - نهج مرحلي رشيق. هذا موضوع ضخم وربما ليوم آخر. أعلم أن العديد من المؤسسات قد استقرت على نهج مستودع بيانات كامل الأبعاد ويمكن أن يكون مثاليًا للشركات متوسطة الحجم.

ولكن بالنسبة للمؤسسات الأكبر حجمًا ، يُفضل التخزين المتسق للبيانات الأساسية المتوافقة و EDW بشكل عام لإنشاء بيانات ومعلومات عالية الجودة والحفاظ عليها. وأخيرًا - إلى جانب النمذجة ، ربما يكون توظيف فريق تصميم جيد ومرن هو الجانب التالي الأكثر أهمية في تنفيذ بيئة إعداد بيانات من الدرجة الأولى.

على وجه الخصوص ، في المؤسسات متوسطة الحجم ، أود أن أقترح أن نهج أتمتة مستودعات البيانات هو الأفضل على الأرجح من حيث الجودة والتكلفة لأن ذلك يتضمن عادةً خطوة النمذجة في عملية المضي قدمًا.

[قل] تم بناء هذه العمارة التي لديك. لديك العديد من خطوط أنابيب البيانات القادمة من مجموعة متنوعة من أنظمة المصدر. لقد ذكرت أنظمة التشغيل ، من الواضح ، ربما تدفقات إنترنت الأشياء ، [لذلك] هناك الكثير من الاحتمالات عندما تتحدث عن المؤسسة الحديثة. لديك اختلافات بيانات مختلفة تعمل هنا وترابطات في كثير من الحالات. من الواضح أن تنظيم كل هذا هو طلب صعب. ما هي العناصر الأساسية في رأيك لتصحيح هذا الجزء من المعادلة؟

حسنًا ، أولاً ، أود أن أقول إننا كنا دائمًا نتعامل مع العديد من خطوط أنابيب البيانات القادمة من أنظمة مصادر مختلفة ذات اختفاء بيانات وترابطات مختلفة كما ذكرت - بالتأكيد ، في المؤسسات الكبيرة التي تعاملت معها.

أعتقد أن الجانب الأكثر أهمية اليوم وقد ذكرته هو أننا نتطلع إلى استيعاب كميات هائلة من البيانات الأولية وتحليلها وغالبًا ما تكون تلك البيانات القذرة - وليس من المعروف مدى قوتها - من الويب وإنترنت أشياء. وهذه البيانات لها خصائص مختلفة تمامًا عن بيانات نظام التشغيل التي أسميها البيانات الوسيطة للعملية ، أو PMD باختصار ، والتي كانت المصادر الرئيسية للبيانات حتى دعنا نقول قبل 10 سنوات.

لذلك ، بالنظر إلى هذا الاختلاف في جودة البيانات ، أود أن أقول إن محاولة دفع كل هذه البيانات الجديدة إلى نفس مستودع البيانات مثل PMD الخاص بك هو خطأ. أنت بحاجة إلى ركائز متعددة لمعالجة البيانات. شرحت كل ذلك في كتابي "غموض الأعمال"، لذا إذا كنت تريد التعمق أكثر هناك ، فيرجى القيام بذلك. ستكون بعض هذه الركائز عبارة عن مستودعات بيانات تقليدية ، وسيكون البعض الآخر أشبه ببحيرات البيانات ، ولكن سيتم تغذيتها جميعًا ، بالطبع ، بخطوط أنابيب البيانات كما حددتها سابقًا في المقابلة.

لذا ، فإن مفتاح كل ذلك يعمل بشكل جيد ، بالطبع ، هو التأكد من أن البيانات في هذه الركائز مترابطة بشكل جيد ومتصلة ببعضها البعض ومواءمتها على عكس ما رأيناه في صوامع البيانات التقليدية وما تسميه التناغم عبر خطوط أنابيب البيانات هو المكون الرئيسي في تحقيق ذلك.

يعيدنا هذا الآن إلى النمذجة وأيضًا إلى البيانات الوصفية لأن عنصرًا أساسيًا في تنظيم كل خطوط الأنابيب هذه هو البيانات الوصفية. الآن أفضل أن أسميها معلومات إعداد السياق ، أو CSI ، لأن هذه الكلمة "meta" تتعرض لسوء المعاملة قليلاً هذه الأيام ، حتى أن Facebook قد تبناها.

لذا ، فإن هذا النوع من معلومات إعداد السياق هو ما تم احتوائه وذكره في بنية نسيج البيانات من شركة Gartner ، وهي حقًا فكرة أن تكون نشطًا ويتم صيانتها بشكل نشط والحفاظ عليها متسقة داخليًا ومتماشية مع الأعمال المتغيرة في كثير من الأحيان يقترح Gartner أنك بحاجة إلى استخدام AI [اصطناعي المخابرات] للقيام بذلك.

لذا ، فإن الحصول على فكرة البيانات الوصفية النشطة أمر مهم حقًا. وجهة نظري هي أننا في الواقع بعيدون تمامًا عن هذا اليوم ، لكن علينا حقًا التركيز عليه لأنني أعتقد أنه حقًا إما أن يجعل هذا النظام بأكمله يعمل أو أنه سينهار.

لذا نتحدث عن مستودع البيانات الفعلي وأين تم بناؤه. من الواضح أن السحابة هي المكان الذي يأخذ فيه الجميع أنظمة ذكاء الأعمال الخاصة بهم في الوقت الحاضر. ما هي بعض الاعتبارات التي يجب على فرق بيانات المؤسسة وضعها في الاعتبار عند إنشاء خط أنابيب بيانات لهذه الأنظمة الأساسية؟

نعم ، أعني أن الجميع يتحدثون عن السحابة. من الناحية المعمارية ، وجهة نظري هي أن السحابة هي ببساطة [أنها] مجموعة تخزين أخرى وإن كانت ضخمة وموزعة بشكل كبير ، وإذا كانت أدوات إعداد البيانات الخاصة بك تدعم مصادر السحابة والأهداف ، فأنت على ما يرام ، أليس كذلك؟ حسنًا ، لن أقول ذلك تمامًا.

إنها طبيعة السحابة الموزعة التي يجب عليك أولاً أن تضعها في اعتبارك دائمًا. كانت إدارة البيانات أبسط كثيرًا ، كما أقول دائمًا ، عندما كانت جميع بياناتك في حاسوب مركزي واحد. لكن نسخ البيانات هي لعنة إدارة البيانات وكلما زاد عدد الأماكن وتباعد هذه النسخ ، أصبح التحدي أكثر صعوبة. لذلك ، تتيح السحابة - وإلى حد ما - تكرار البيانات ، وبعضها غير مرئي إلى حد كبير.

لذا ، فإن نصيحتي الأولى فيما يتعلق بالسحابة هي تعزيز حوكمة البيانات وفرق الإدارة لأنهم سيكونون في حاجة فعلاً. الاعتبار الثاني هو ما يسمى جاذبية البيانات. من أين تنشأ البيانات؟

إذا كانت تأتي من أماكن العمل ، فستكون هناك تكاليف لرفعها إلى السحابة. [و] إذا كانت تأتي من السحابة ، فمن الأكثر فعالية بشكل عام الاحتفاظ بها هناك.

بالطبع ، تمتلك معظم الشركات اليوم بيانات من كلا المصدرين ، لذلك لا توجد إجابة واحدة صحيحة حول مكان تخزين بياناتك ومعالجتها. لكن من الواضح أن هناك ضغطًا عليه لإدخالها إلى السحابة ، غالبًا لأسباب مالية. ولكن هذا هو السر - الشيء الرئيسي هنا هو مراقبة التكاليف النسبية لمعالجة التخزين ونقل البيانات ، وأعتقد أن هذا الأخير هو الذي يمكن أن يلفت انتباهك ، خاصة عندما نتحدث عن إعداد البيانات وخطوط أنابيب البيانات .

لذا ، ننتقل هنا إلى السؤال الأخير وأعتقد أنه السؤال الذي كنا نتجنب ونذكره بطرق مختلفة وفي بعض الإجابات السابقة ، ولكن للحصول على معلومات تقريبية عن المكان الذي تعتقد أن الأتمتة تتناسب مع كل هذا؟ كيف يمكنها جعل عملية بناء خطوط أنابيب البيانات وصيانتها أكثر كفاءة؟

نعم ، أعتقد أنك على حق. كل شيء يشير الآن نحو الأتمتة. كما قلت من قبل ، أعني أنني من أشد المؤيدين للأتمتة في إعداد البيانات والمعلومات. ومع ذلك ، فأنا حذر بشدة من الأتمتة في المجالات الأخرى ، لا سيما حيث يتم اتخاذ القرارات التي تؤثر على الحياة وأعتقد أنه يتعين علينا توخي الحذر بشأن الأتمتة هناك.

ولكن بالعودة إلى إعداد البيانات ، أعتقد أن أي شيء يقلل من تكلفة أعمال السباكة بشكل فعال هو موضع ترحيب كبير. ويجب تطبيق الأتمتة في كل مرحلة من مراحل العملية ، حيثما أمكن ذلك - من المواصفات الأولية والتصميم إلى العمليات اليومية وصولاً إلى الصيانة المستمرة وإدارة التغيير.

هذا نطاق واسع جدًا وواسع جدًا لما نحتاج إلى القيام به وما نحتاج إلى أتمتة. أنا فقط لا أطرح تحذيرًا واحدًا ، كما تعلمون ، بناءً على سنوات خبرتي الطويلة وهو أن الأتمتة تميل إلى دفعك نحو وظائف تحويل محددة مسبقًا ، وهي رائعة! لكن القدرة على إنشاء تحويلات مخصصة فريدة لبيئتك الخاصة غالبًا ما تكون مفتاح النجاح الداخلي لأدوات إعداد البيانات.

قد تكون هذه الاحتياجات خمسة بالمائة فقط أو أقل من التحولات [المحددة مسبقًا] ولكن غالبًا ما يتم التقليل من أهميتها بسهولة لأنها غالبًا أهم التحولات من وجهة نظر العمل.

من وجهة نظري ، تحتاج أدوات أتمتة مستودع البيانات إلى السماح بتطوير إجراءات التحويل المحددة للغاية هذه وإدراجها في سير العمل. ومع ذلك ، توفر الأتمتة الفرصة لتقليل أو إزالة الأجزاء المتكررة والشائعة من عملية إعداد البيانات. كما تعمل أدوات أتمتة مستودعات البيانات على زيادة الجوانب البشرية للعملية.

أفكر هنا في تعريف المتطلبات وبناء الإجماع وإدارة التغيير وما إلى ذلك. بهذا المعنى ، DWA يشبه إلى حد ما الذكاء الاصطناعي ، من حيث أنه يحتوي على جوانب كل من الأتمتة والتعزيز. لذلك ، أعتقد أن هذا جانب مهم بشكل خاص لما نحتاج إلى التفكير فيه.

كفكرة أخيرة ، شعرت دائمًا أن أتمتة مستودعات البيانات مثل ETL كان اختيارًا مؤسفًا لاسم هذه الفئة من الأدوات لأن هذه الأدوات تفعل أكثر من الأتمتة كما قلت للتو ، ويمكنها ويجب أن تنطبق على نطاق بعيد مجموعة واسعة من أنظمة تخزين البيانات وإدارتها من مجرد مستودعات البيانات.

جميع أجزاء الاسم لها نقاط ضعفها. إذن ، ما الاسم الذي يجب أن يكون؟ لا أعرف حقًا إلا إذا كنت ترغب في محاولة تسميته بسكين الجيش السويسري لإدارة البيانات وأعتقد أنه ربما يكون مكانًا جيدًا للتوقف.

Astera DW Builder: أتمتة خطوط أنابيب البيانات الخاصة بك

Astera DW Builder هو حل تخزين بيانات موحد يسمح لك ببناء بنية خط أنابيب بيانات تعتمد على البيانات الوصفية. يوفر النظام الأساسي الشامل بيئة خالية من الكود لتطوير مستودع البيانات الخاص بك على مستوى منطقي وأتمتة عمليات التصميم والهندسة الخاصة بك للحصول على رؤى ثرية تلبي متطلبات ذكاء عملك.

يأتي الحل الآلي المرن مع أفضل إمكانيات ETL و ELT في فئتها ، بما في ذلك مكونات تنظيم سير العمل وجدولة العمل المضمنة ، لبناء خطوط بيانات ذاتية التنظيم. أخذ Astera DW Builder لاختبار القيادة لمعرفة كيف يمكن أن تساعد في تقديم بيانات دقيقة وموثوقة إلى ذكاء الأعمال الخاص بك وبنية التقارير.