Business Considerations: ApproachOr

Business Considerations: Approach
Organizations embarking on data warehousing development can chose one of the two approaches:
Top-down approachan organization has developed an enterprise data model collected enterprise-wide business requirements, and decided to build an enterprise data warehouse with subset data marts
Bottom-up approach (more realistic, integration problem)the business priorities resulted in developing individual data marts, which are then integrated into the enterprise data warehouse

Business Considerations: Organizational Issues
The requirements and environments between operational systems and informational applications (data warehouse) are different
An organization need to employ different development practices than the ones it uses for operational applications
Data: internal and external
Users need to be involved with a data warehouse implementation (they are closest to the data)
Data warehouse implementation is not a technological issues; it should be more concerned with identifying and establishing information requirements

Design Considerations: Introduction
Data warehouse designer must adopt a holistic approach
In general, a data warehouse’s design point is to consolidate data from multiple, often heterogeneous, sources into a query database

Design Considerations:The Main Factors
Heterogeneity of data sources, which affects data conversion, quality, timeliness
Use of historical data, which implies that data may be “old”
Tendency of databases to grow very large

Design Considerations: Another important points
Data warehouse design is different from traditional OLTP. Data warehouse is business-driven, OLTP is IS-driven.
Requires continuous interactions with end users
And is never finished, since both requirements and data sources change
In summary: a business driven, continuous, iterative warehouse engineering approach

Design Considerations: Specific points
Data content
Metadata
Data distribution
Tools
Performance Considerations
Nine decisions n the design of a data warehouse

Design Considerations: Data Content
Common misconception: no detail level data as operational systems
Reality: contain detailed data, but formatted differently, cleaned up, and transformed to fit the warehouse model

Hasil (Bahasa Indonesia) 1:

Pertimbangan bisnis: pendekatanOrganisasi-organisasi yang memulai pada data pergudangan pengembangan dapat memilih salah satu dari dua pendekatan:Pendekatan top-down organisasi telah mengembangkan suatu perusahaan data model dikumpulkan kebutuhan bisnis perusahaan-lebar, dan memutuskan untuk membangun gudang data perusahaan dengan subset data MartPendekatan bottom-up (lebih realistis, integrasi masalah) prioritas bisnis yang mengakibatkan mengembangkan Mart data individu, yang kemudian diintegrasikan ke dalam gudang data perusahaanPertimbangan bisnis: Masalah organisasiPersyaratan dan lingkungan antara sistem operasional dan informasi aplikasi (gudang data) yang berbedaOrganisasi perlu untuk menggunakan praktek-praktek pembangunan yang berbeda daripada yang menggunakan untuk aplikasi operasionalData: internal dan eksternalPengguna perlu untuk terlibat dengan implementasi gudang data yang (mereka terdekat ke data)Data gudang penerapannya memang tidak masalah teknologi; ini harus menjadi lebih peduli dengan mengidentifikasi dan membangun informasi persyaratanDesain pertimbangan: PendahuluanData gudang desain harus mengadopsi pendekatan holistikSecara umum, gudang data desain titik adalah untuk menggabungkan data dari beberapa, sering heterogen, sumber dalam query databaseDesain pertimbangan: Faktor utamaHeterogenitas sumber data, yang mempengaruhi konversi data, kualitas, ketepatan waktuPenggunaan data historis, yang menyiratkan bahwa data mungkin "lama"Kecenderungan database tumbuh sangat besarPertimbangan desain: Poin penting lainDesain gudang data berbeda dari OLTP tradisional. Gudang data berbasis bisnis, OLTP IS-driven.Memerlukan terus menerus interaksi dengan pengguna akhirDan tidak pernah selesai, karena perubahan sumber data dan persyaratanSingkatnya: bisnis gudang didorong, terus-menerus dan berulang-ulang teknik pendekatanPertimbangan desain: Titik-titik tertentuData contentMetadataDistribusi dataAlatKinerja pertimbanganSembilan keputusan n desain gudang dataPertimbangan desain: Content DataKesalahpahaman umum: tidak ada data tingkat detail sebagai sistem operasionalKenyataan: berisi data yang rinci, tetapi diformat berbeda, dibersihkan, dan berubah untuk menyesuaikan model gudang

Hasil (Bahasa Indonesia) 2:

Pertimbangan Bisnis: Pendekatan
Organisasi memulai pembangunan data warehouse dapat memilih salah satu dari dua pendekatan:
? Top-down pendekatan organisasi telah mengembangkan kebutuhan bisnis model data perusahaan yang dikumpulkan perusahaan-lebar, dan memutuskan untuk membangun sebuah gudang data perusahaan dengan data mart bagian
? (lebih realistis, masalah integrasi) pendekatan bottom-up prioritas bisnis mengakibatkan mengembangkan mart data individu, yang kemudian diintegrasikan ke dalam perusahaan data warehouse Pertimbangan Bisnis: Masalah Organisasi Persyaratan dan lingkungan antara sistem operasional dan aplikasi informasi (data warehouse) berbeda Sebuah organisasi perlu menerapkan praktek-praktek pembangunan yang berbeda dari yang menggunakan untuk aplikasi operasional Data: internal dan eksternal Pengguna perlu terlibat dengan implementasi data warehouse (mereka paling dekat dengan data) pelaksanaan data warehouse bukan masalah teknologi; harus lebih peduli dengan mengidentifikasi dan menetapkan persyaratan informasi Desain Pertimbangan: Pengantar data warehouse desainer harus mengadopsi pendekatan holistik Secara umum, data warehouse point desain adalah untuk mengkonsolidasikan data dari beberapa, sering heterogen, sumber ke dalam database permintaan Desain Pertimbangan :? Utama Faktor Heterogenitas dari sumber data, yang mempengaruhi konversi data, kualitas, ketepatan waktu Penggunaan data historis, yang berarti bahwa data mungkin "tua" Kecenderungan database tumbuh sangat besar Pertimbangan Desain: poin penting lain desain gudang data berbeda dari tradisional OLTP. . Data warehouse adalah, OLTP adalah IS-didorong-driven bisnis Membutuhkan interaksi terus-menerus dengan pengguna akhir dan tidak pernah selesai, karena kedua persyaratan dan sumber data berubah Singkatnya: bisnis didorong, terus menerus, berulang gudang pendekatan rekayasa Desain Pertimbangan: poin spesifik data konten Metadata data distribusi Alat Kinerja Pertimbangan Sembilan keputusan n desain sebuah data warehouse Desain Pertimbangan: data Konten kesalahpahaman umum: tidak ada data tingkat detail seperti sistem operasional Reality: berisi data rinci, tapi diformat berbeda, dibersihkan, dan diubah agar sesuai dengan Model gudang