В 1996 году Ральф Кимбалл представил миру размерное моделирование для создания хранилищ данных. Подход «снизу вверх», разработанный для оптимизации баз данных для хранения и более быстрого извлечения данных, стал довольно популярным. Таким образом, организации все чаще начали использовать многомерную модель данных для проектирования архитектуры хранилища данных.
Многомерное моделирование в эпоху современной аналитики
Размерные схемы выдержали испытание временем и по-прежнему могут эффективно обрабатывать детализированные данные. В центре внимания размерного подхода всегда было производительность, интеграция и расширяемостьи продолжает работать на всех этих фронтах.
Многомерная модель данных позволяет предприятиям организовывать данные в последовательные бизнес-категории, упрощая пользователям навигацию по базам данных. Модели деформализованы и оптимизированы для запроса данных. Вот некоторые ключевые преимущества размерного моделирования:
Улучшенная доступность
Сегодня пользователи хотят доступ и визуализация одних и тех же наборов данных использование нескольких инструментов бизнес-аналитики и запросов. В этом помогает многомерное моделирование, поскольку одна из его основных идей заключается в том, что бизнес-пользователям необходимо запрашивать данные различными способами.
Бесшовная интеграция
Многомерная модель данных позволяет легко интегрировать бизнес-процессы. Например, измерение «Сотрудник» позволяет отделам кадров, продаж и финансов иметь одну ссылку на сотрудника независимо от исходного приложения.
Большая масштабируемость
Многомерная модель данных также обеспечивает отличную масштабируемость. Они позволяют организациям добавлять новые данные и изменять существующие таблицы, не требуя значительных изменений.
Происхождение данных
. медленно меняющиеся размеры (SCD)Разработчики моделей данных могут хранить текущие и исторические данные и управлять ими в хранилище данных. Это суть отслеживания изменений в данных.
Аналитические и транзакционные системы
Появилось множество инструментов бизнес-аналитики (BI), утверждающих, что моделирование данных больше не является необходимым. Некоторые даже заявляют, что импортируют полностью нормализованные наборы данных из систем онлайн-обработки транзакций (OLTP) для поддержки аналитики и бизнес-аналитики.
Но им не удается предоставлять данные последовательным концептуальным способом, как в многомерных моделях, в основном на уровне предприятия. Причина в том, что OLTP-системы не предназначены для поддержки сложных запросов. Кроме того, эти системы не поддерживают агрегированные исторические данные и содержат высоконормализованные наборы данных.
Поэтому OLTP-системы следует использовать для поддержки систем онлайн-аналитической обработки (OLAP), в первую очередь разработанных и оптимизированных для проведения сложного анализа данных.
Выводы
Размерное моделирование по-прежнему актуально — на самом деле оно далеко не устарело. Поскольку ландшафт данных становится все более обширным и сложным, многомерное моделирование будет продолжать служить эффективным подходом к доступу к данным и их использованию для получения ценной информации.
Вот как Astera Функция автоматического многомерного моделирования DW Builder может ускорить и упростить хранение данных:
Если вы хотите узнать больше о том, как Astera DW Builder может помочь с вашими требованиями к моделированию данных. Свяжитесь с нами по адресу [электронная почта защищена] или запросить бесплатная пробная версия прямо сейчас