డేటా గిడ్డంగి నిర్వచనం

డేటా వేర్‌హౌసింగ్ అంటే ఏమిటి?

డేటా వేర్‌హౌసింగ్ అంటే వ్యాపారం లేదా సంస్థ ద్వారా పెద్ద మొత్తంలో సమాచారం యొక్క ఎలక్ట్రానిక్ నిల్వ. డేటా వేర్‌హౌసింగ్ అనేది వ్యాపార మేధస్సు యొక్క ముఖ్యమైన భాగం, ఇది వ్యాపార డేటాపై విశ్లేషణాత్మక పద్ధతులను ఉపయోగిస్తుంది.

డేటా వేర్‌హౌసింగ్ భావనను 1988 లో ఐబిఎం పరిశోధకులు బారీ డెవ్లిన్ మరియు పాల్ మర్ఫీ ప్రవేశపెట్టారు. కంప్యూటర్ వ్యవస్థలు మరింత క్లిష్టంగా మారడంతో మరియు పెరుగుతున్న డేటాను నిర్వహించడంతో గిడ్డంగి డేటా అవసరం ఉద్భవించింది. డేటా గిడ్డంగిపై ఒక ముఖ్యమైన పుస్తకం WH ఇన్మోన్ యొక్క "బిల్డింగ్ ది డేటా వేర్‌హౌస్", ఇది 1990 లో మొదటిసారి ప్రచురించబడింది మరియు అప్పటి నుండి చాలాసార్లు పునర్ముద్రించబడింది.

డేటా వేర్‌హౌసింగ్ ఎలా పనిచేస్తుంది

బహుళ వైవిధ్య వనరుల నుండి ఏకీకృత డేటాను పోల్చడం ద్వారా సంస్థ యొక్క పనితీరుపై ఎక్కువ అవగాహన కల్పించడానికి డేటా వేర్‌హౌసింగ్ ఉపయోగించబడుతుంది. లావాదేవీ మూలాల నుండి పొందిన చారిత్రక డేటాపై ప్రశ్న మరియు విశ్లేషణలను అమలు చేయడానికి డేటా గిడ్డంగి రూపొందించబడింది.

డేటా గిడ్డంగిలో చేర్చబడిన తర్వాత, అది మారదు మరియు కాలక్రమేణా డేటాలోని మార్పులపై దృష్టి పెట్టడం ద్వారా ఇప్పటికే సంభవించిన సంఘటనలపై డేటా గిడ్డంగి విశ్లేషణలను నడుపుతుంది కాబట్టి దీనిని మార్చలేరు. గిడ్డంగుల డేటా సురక్షితమైన, నమ్మదగిన, తిరిగి పొందడం సులభం మరియు నిర్వహించడం సులభం.

డేటా గిడ్డంగిని రూపొందించడానికి కొన్ని చర్యలు తీసుకుంటారు. మొదటి దశ డేటా వెలికితీత, ఇందులో బహుళ సోర్స్ పాయింట్ల నుండి పెద్ద మొత్తంలో డేటాను సేకరించడం జరుగుతుంది. డేటా సంకలనం చేయబడిన తరువాత, ఇది డేటా శుభ్రపరచడం, లోపాల కోసం డేటా ద్వారా కలపడం మరియు ఏదైనా లోపాలను సరిదిద్దడం లేదా మినహాయించడం ద్వారా వెళుతుంది.

శుభ్రపరిచిన డేటా డేటాబేస్ ఫార్మాట్ నుండి గిడ్డంగి ఆకృతికి మార్చబడుతుంది. ఇది గిడ్డంగిలో నిల్వ చేయబడిన తర్వాత, డేటా క్రమబద్ధీకరించడం, ఏకీకృతం చేయడం, సంగ్రహించడం మొదలైన వాటి ద్వారా వెళుతుంది, తద్వారా ఇది మరింత సమన్వయం మరియు ఉపయోగించడానికి సులభం. కాలక్రమేణా, బహుళ డేటా వనరులు నవీకరించబడినందున గిడ్డంగికి ఎక్కువ డేటా జోడించబడుతుంది.

కీ టేకావేస్

• డేటా వేర్‌హౌసింగ్ అనేది ఒక వ్యాపారం లేదా సంస్థ ద్వారా పెద్ద మొత్తంలో సమాచారం యొక్క ఎలక్ట్రానిక్ నిల్వ. ఒక డేటా గిడ్డంగి వ్యాపార మేధస్సు మరియు డేటా మైనింగ్ ప్రయోజనాల కోసం లావాదేవీ మూలాల నుండి పొందిన చారిత్రక డేటాపై ప్రశ్న మరియు విశ్లేషణలను అమలు చేయడానికి రూపొందించబడింది. డేటా గిడ్డంగి ఎక్కువ అందించడానికి ఉపయోగించబడుతుంది బహుళ వైవిధ్య వనరుల నుండి ఏకీకృత డేటాను పోల్చడం ద్వారా సంస్థ యొక్క పనితీరుపై అంతర్దృష్టి.

ప్రత్యేక పరిగణనలు: డేటా మైనింగ్

వ్యాపారాలు వారి వ్యాపార ప్రక్రియలను మెరుగుపరచడంలో సహాయపడే సమాచార నమూనాల కోసం అన్వేషణ మరియు డేటా మైనింగ్‌లో ఉపయోగం కోసం గిడ్డంగి డేటాను ఉండవచ్చు. మంచి డేటా గిడ్డంగుల వ్యవస్థ ఒక సంస్థలోని వివిధ విభాగాలకు ఒకరి డేటాను మరొకరు యాక్సెస్ చేయడాన్ని సులభతరం చేస్తుంది.

ఉదాహరణకు, ఒక డేటా గిడ్డంగి అమ్మకపు బృందం యొక్క డేటాను సులభంగా అంచనా వేయడానికి మరియు అమ్మకాలను ఎలా మెరుగుపరచాలి లేదా విభాగాన్ని క్రమబద్ధీకరించడం గురించి నిర్ణయాలు తీసుకోవడానికి కంపెనీని అనుమతిస్తుంది. వ్యాపారం తన ఉత్పత్తులను బాగా ఉంచడానికి మరియు అమ్మకాలను పెంచడానికి వినియోగదారుల ఖర్చు అలవాట్లపై దృష్టి పెట్టడానికి ఎంచుకోవచ్చు.

డేటా గిడ్డంగితో, సంస్థ తన కస్టమర్ల ఖర్చుల యొక్క చారిత్రక డేటాను గత 20 సంవత్సరాలుగా సేకరించి, ఈ డేటాపై విశ్లేషణలను అమలు చేయగలదు. ఫలిత సమాచారం దాని వినియోగదారుల ప్రాధాన్యతలపై అంతర్దృష్టిని అందిస్తుంది; ఎక్కువ అమ్మకాలతో రోజు, నెల లేదా సంవత్సరం సమయం; లేదా సంవత్సరానికి అత్యధికంగా ఖర్చు చేసే కస్టమర్.

ప్రయాణ రిజర్వేషన్లను ప్రారంభించడం మరియు స్వయంచాలక టెల్లర్ యంత్రాలను ఉపయోగించడం వంటి ప్రక్రియలను సమర్థవంతమైన డేటా నిల్వ మరియు నిర్వహణ కూడా చేస్తుంది.

డేటా మైనింగ్ ప్రక్రియ ఐదు దశలుగా విభజిస్తుంది:

1. సంస్థలు డేటాను సేకరించి వారి డేటా గిడ్డంగుల్లోకి లోడ్ చేస్తాయి.అప్పుడు వారు డేటాను అంతర్గత సర్వర్లలో లేదా క్లౌడ్‌లో నిల్వ చేస్తారు మరియు నిర్వహిస్తారు. వ్యాపార విశ్లేషకులు, నిర్వహణ బృందాలు మరియు సమాచార సాంకేతిక నిపుణులు డేటాను యాక్సెస్ చేస్తారు మరియు వారు దానిని ఎలా నిర్వహించాలనుకుంటున్నారో నిర్ణయిస్తారు. అప్లికేషన్ సాఫ్ట్‌వేర్ అప్పుడు వినియోగదారు ఫలితాల ఆధారంగా డేటాను క్రమబద్ధీకరిస్తుంది. తుది వినియోగదారు చివరకు డేటాను గ్రాఫ్ లేదా టేబుల్ వంటి సులభంగా పంచుకోగల ఆకృతిలో ప్రదర్శిస్తాడు.

డేటా వేర్‌హౌసింగ్ వర్సెస్ డేటాబేస్‌లు

డేటా గిడ్డంగి అనేది ప్రామాణిక డేటాబేస్ వలె అదే భావన కాదు. డేటాబేస్ అనేది ఒక లావాదేవీ వ్యవస్థ, ఇది ఇటీవలి డేటాను మాత్రమే అందుబాటులో ఉంచడానికి రియల్ టైమ్ డేటాను పర్యవేక్షించడానికి మరియు నవీకరించడానికి సెట్ చేయబడింది. కొంతకాలం నిర్మాణాత్మక డేటాను సమగ్రపరచడానికి డేటా గిడ్డంగి ప్రోగ్రామ్ చేయబడింది. ఉదాహరణకు, ఒక డేటాబేస్ కస్టమర్ యొక్క ఇటీవలి చిరునామాను మాత్రమే కలిగి ఉండవచ్చు, అయితే డేటా గిడ్డంగిలో కస్టమర్ గత 10 సంవత్సరాలుగా నివసించిన అన్ని చిరునామాలు ఉండవచ్చు.