Introdução ao Oracle Data Warehousing

O data warehousing, em geral, pode ser definido como um banco de dados para armazenar dados corporativos ou organizacionais nos quais as atividades de casos de negócios desejadas podem ser alcançadas. Operações transacionais regulares são segregadas da carga de trabalho geral, enquanto o armazenamento de registros históricos para análise e aprimoramento é realizado antes do armazenamento. Neste artigo, discutiremos o Oracle Data Warehousing.

Precisamente, o Data Warehousing inclui:

  • Acumulando registros históricos de diferentes fontes de dados.
  • Inspecionando e analisando registros comerciais anteriores.
  • Obtenha informações e informações necessárias para direcionar as necessidades e os motivos dos negócios.

Assim, principalmente as operações são orientadas para leitura, em vez de manipulação direta de conjuntos de dados. O data warehousing Oracle é uma concepção de banco de dados Oracle totalmente otimizada, baseada em nuvem, abrangente e confiável. Ele foi desenvolvido principalmente para experimentar operações eficientes e flexíveis do banco de dados, o que o torna um desempenho líder de mercado.

Características do Data Warehousing

William H. Inmon, um cientista da computação americano refere-se às características do data warehousing como:

  • Orientado ao assunto

Um data warehouse é plotado principalmente para analisar dados e obter insights. Podemos construir armazéns personalizados em departamentos específicos de uma empresa.

que, por sua vez, pode deduzir artistas da tabela de classificação, clientes-alvo etc.

  • Integrado

Os dados manipulados são frequentemente buscados em diferentes fontes. Em tais circunstâncias, os dados devem prevalecer de forma consistente, evitando conflitos. Tal característica adquirida é a integridade.

  • Não volátil

Quando os dados são produzidos no armazenamento, eles não podem ser manipulados ou modificados. Desde que a análise é feita nos dados que ocorreram.

  • Tempo variável

Para derivar tendências e regressão em dados históricos, o analista exige uma enorme quantidade de dados.

Arquitetura do Oracle Data Warehousing

Em geral, a arquitetura de data warehouse da Oracle pode ser categorizada como:

1. Arquitetura de camada única

O objetivo principal é reduzir o armazenamento de dados em uma extensão significativa, removendo a redundância. Mas, na prática, é muito menos usado por aí.

2. Arquitetura em duas camadas

Uma camada discreta de fontes de dados fisicamente disponíveis e data warehouses. Comparativamente, a arquitetura não é extensível e também enfrenta limitações de conectividade.

3. Arquitetura de três camadas

A famosa arquitetura consiste em Nível inferior, médio e superior.

  • Camada inferior: coletes de banco de dados nessa camada, que são amplamente sistemas de banco de dados relacionais. Os recursos de dados são coletados e manipulados usando vários aplicativos de back-end e alimentados no banco de dados.
  • Camada intermediária: exibição em camadas abstraída do banco de dados que atua como intermediário entre o usuário e o banco de dados. A Oracle oferece suporte a um OLAP poderoso, implementado na camada intermediária, fornecendo medidas analíticas seguras e escalonáveis ​​no sistema.
  • Camada superior: a camada de front-end busca os dados do banco de dados e os apresenta ao cliente. Pode ser qualquer uma das ferramentas de consulta baseadas em Oracle, como SQLPlus, desenvolvedor de SQL.

Agora avançaremos explorando os detalhes da arquitetura geral. Consulte a imagem abaixo:

  • Principalmente, o sistema central, ou seja, o data warehouse Oracle consiste em dados brutos, metadados e dados de resumo.
  • Dados brutos são a carga útil real do OLTP normal armazenado, junto com o qual os metadados definem os dados presentes.
  • Por outro lado, os dados de resumo mantêm todas as operações redundantes caras e de longa execução, que também são chamadas de exibição Materializada.
  • Alimentar a fonte de dados de qualidade certa é mais importante, o que, por sua vez, influencia a qualidade e a manutenção do data warehouse a longo prazo.

Fontes de dados

  • Em empresas maiores, os dados geralmente são buscados em feeds diferentes.
  • Pode estar em qualquer lugar, desde dados herdados, fontes externas, aplicativos verticais.

Área de preparação

  • Os dados operacionais devem ser tratados e limpos antes de serem enviados para o data warehousing.
  • A área de armazenamento temporário cuida desse processo, que pode ser executado novamente de forma programática.
  • A área de armazenamento temporário é responsável por consolidar e processar dados não estruturados de várias fontes de dados.
  • A importância da área de preparação pode ser percebida ao lidar com o armazenamento em nível corporativo, onde os dados devem ser coletivamente coletados em um formato não estruturado, processados ​​e consolidados antes de serem enviados ao armazém.

Data Marts

  • Além de manipular fontes de dados, uma empresa corporativa geralmente exigia a personalização do escopo da arquitetura para vários grupos.
  • Os data marts atendem a esse propósito, onde o sistema, dependendo de diferentes departamentos, como marketing, inventário é separado propositadamente para uso destinado. Os data marts definem o escopo de acessibilidade dos usuários e grupos de usuários e gerenciam as formas preventivas.
  • Por exemplo, a equipe de relatórios acessaria o painel de dados e processos de vendas para os negócios, enquanto o Sales usa dados da equipe de análise para orientar as decisões de negócios. Essa consolidação e definição de escopo são declaradas em data marts.
  • Além disso, os data marts geralmente podem ser co-localizados com o sistema de data warehouse Oracle ou, às vezes, podem ser construídos como um sistema separado, auxiliando na escalabilidade.

Vantagens

  • Comparativamente, o armazém Oracle é considerado simples e facilmente configurável se os objetivos e as fontes forem claros.
  • O objetivo principal é improvisar a tomada de decisões nos negócios.
  • Maior produtividade e custos operacionais efetivos.
  • Suporte na transformação de grandes dados brutos em informações valiosas.
  • A integridade dos dados pode ser garantida com pronta qualidade.

Desvantagens

Com todos os elogios de lado, o data warehousing da Oracle tem alguns contras, conforme explicado abaixo:

  • Preocupações com segurança

A segurança dos dados pode ser precisamente considerada como garantia apenas tão boa quanto o recurso do fornecedor. Além disso, se a implementação interna garantir um escopo de acessibilidade confiável entre diferentes fluxos de uma empresa pode ser difícil.

  • Flexibilidade de dados

Geralmente, os armazéns tendem a manter dados estáticos e sujeitos a estruturas de consulta sérias.

  • Relação Custo / Benefício

A manutenção e o gasto de horas de mão de TI é um grande fator na implementação do Oracle Data warehousing.

Gerenciamento de qualidade no Oracle Data Warehousing

  • Oferece suporte a soluções de qualidade de ponta a ponta.
  • Rastreia metadados e resumo do repositório.
  • Dependendo das necessidades, pode gerar mapeamento para correções de dados.

As funções de data warehousing em uma empresa podem ser especificamente categorizadas como diferentes cargos, que variam de data mining, consultor / desenvolvedor de data warehousing a arquiteto. O setor de TI está testemunhando constantemente o rápido crescimento das especializações de data warehousing em tecnologias de business intelligence.

Artigos recomendados

Este é um guia para o Oracle Data Warehousing. Aqui discutimos a arquitetura, características, vantagens e desvantagens do data warehousing Oracle. Você também pode consultar nossos outros artigos sugeridos -

  1. Componentes do Oracle Warehouse Builder
  2. O que é o Oracle Database e sua arquitetura
  3. Introdução às funções de seqüência de caracteres Oracle
  4. Etapas fáceis sobre como instalar o Oracle
  5. KPI no Power BI
  6. Declaração do Power BI IF
  7. O que é uma consulta e tipos de consultas Oracle

Categoria:

Big Data