Major Benefits of Data Warehouses
1. ข้อมูลรวดเร็ว ทันต่อการใช้งาน
2. ผู้ใช้งานสามารถเข้าถึงข้อมูลได้ง่ายขึ้น
Data warehouse เหมาะสำหรับองค์กรที่มีลักษณะดังนี้
- ข้อมูลจำนวนมาก
- ข้อมูลถูกเก็บไว้ในหลายระบบ
- มีการบริหารโดยวิธีที่อาศัยข้อมูลเป็นพื้นฐาน
- มีฐานลูกค้าที่ใหญ่และหลากหลาย
- ข้อมูลเดียวกันถูกนำเสนอแตกต่างกันในระบบที่แตกต่างกัน
- ข้อมูลถูกเก็บอยู่ในรูปแบบทางเทคนิค ยากที่จะถอดรหัส
- มีการคำนวณอย่างกว้างขวาง
Data warehouse process
นำข้อมูลที่ได้จากปฎิบัติงานภายในหรือข้อมูลภายนอกมาเข้าสู่ขั้นตอน Data staging หรือ ETL คือ Extract และ Clean จากนั้นก็ Transform ห้อยู่ในรูปแบบที่นำไปใช้ประโยชน์ได้ แล้วจึง Load ข้อมูลที่ได้จากการแปลงลง Data cube จากนั้นเก็บข้อมูลใน Data Warehouses และจึงจะสามารถนำมาใช้ในหัวข้อต่างๆทางธุรกิจ โดยสามารถนำเสนอผลที่ได้จากการวิเคราะห์ข้อมูลในรูปแบบต่างๆ เพื่อทำการตัดสินใจต่อไป เช่นใช้ Dashboard เป็นต้น
Metadata
เป็นข้อมูลที่เกี่ยวกับข้อมูล ซึ่งจะข้อมูลสารสนเทศเกี่ยวกับเนื้อหาของคลังข้อมูล รวมถึงแนวทางการเคลื่อนย้ายข้อมูลไปยังคลังข้อมูล กฎสำหรับการสรุปข้อมูล ศัพท์ทางธุรกิจที่ใช้ในการอธิบายข้อมูล เทคโนโลยี และกฎในการคัดแยกข้อมูล เป็นต้น
The data mart
เป็นรูปแบบของคลังข้อมูลที่ขนาดเล็กลง (a small scaled-down version of a data warehouse) ออกแบบมาเพื่อใช้ในหน่วยธุรกิจเชิงกลยุทธ์ (SBU) หรือแผนก และเนื่องจากมีข้อมูลน้อยกว่าคลังข้อมูล จึงสามารถตอบสนองได้อย่างรวดเร็วและสามารถค้นหาตำแหน่งได้ง่ายกว่าคลังข้อมูล
โดย Data marts มี 2 ชนิด คือ
1. Replicated data mart - เป็นส่วนย่อยขนาดเล็กของคลังข้อมูล โดยการทำงานคือจะคัดลอกข้อมูลส่วนย่อยของคลังข้อมูลมาไว้ใน Data marts ที่มีขนาดเล็กกว่า
2. Stand-alone data marts - เป็น Data marts อิสระแบบไม่อาศัยคลังข้อมูล อาจจะเกิดจากการที่องค์กรยังมีพร้อมที่จะมีคลังข้อมูล ดังนั้นฝ่ายต่างๆ เช่นฝ่ายการตลาด การเงิน จึงสร้าง Data marts ของตวเอง ซึ่ง Data marts ชนิดนี้จะยากที่จะนำมารวมเป็นคลังข้อมูลในภายหลัง
The data cube OR Multidimensional Databases
คือฐานข้อมูลที่มีหลายมิติ หรือเรียกว่า OLAP ซึ่งเป็นที่เก็บข้อมูลที่จัดข้อมูลในมิติต่างๆ ซึ่งถูก Transform แล้วจึงมา Load ลงไว้ที่นี่ เพื่อให้สามารถมองภาพของข้อมูลนั้นได้หลายมิติมากขึ้น เช่น พื้นที่การขาย ชนิดของสินค้า ภูมิภาคของร้านค้า จำนวนพนักงายขาย ซึ่ง จุดเด่นของ Data Cube คือ สามารถตัดแบ่งส่วนเพื่อเลือกข้อมูลที่ต้องการวิเคราะห์ได้ ทำให้สามารถวิเคราะห์ข้อมูลที่มีได้ในหลายมิติ หลายมุมมอง ทำให้เห็นปัญหาที่ชัดเจนขึ้นโดยใช้วิธี Slices and Dices
-------------------------------------------------------------------------------------------------------------------------
Business Intelligence
Business Intelligent ไม่ใช่ระบบสารสนเทศแต่เป็นเครื่องมือในการวิเคราะห์ข้อมูล โดยมีการรวบรวมเครื่องมือ ฐานข้อมูล โปรแกรมคอมพิวเตอร์ และระเบียบวิธีเข้าด้วยกัน เพื่อให้เกิดการเข้าถึงข้อมูลเชิงโต้ตอบ จัดการข้อมูล และการวิเคราะห์ข้อมูลที่เหมาะสมสำหรับผู้บริหารและนักวิเคราะห์ ด้วยกระบวนการแปลงข้อมูลเป็นสารสนเทศ จากนั้นก็นำไปสู่การตัดสินใจ และสู่การปฏิบัติจริงต่อไป (ซึ่งการใช้ Business Intelligent ไม่จำเป็นที่จะต้องมี Data Warehouses จะใช้ Database แทนได้)
ประกอบด้วย 3ส่วนหลัก คือ
1.Reporting and analysis
Enterprise Reporting System
จัดทำรายงานทั้งในรูปแบบปกติ และรูปแบบที่สามารถปรับแก้ได้ตามความต้องการ ซึ่งรายงานเหล่านี้จะเป็นข้อมูลที่เตรียมให้สำหรับผู้บริหารนำไปใช้ในการวิเคราะห์
Balance Scorecard (BSC)
เป็นทั้งเครื่องมือวัดผลการดำเนินงานในมุมมองต่างๆ สามารถแสดงความคืบหน้า เปรียบเทียบผลที่ได้จริงกับเป้าหมายที่วางไว้ และยังเป็นระเบียบวิธีการบริหาร ที่จะช่วยแปลการเงิน ลูกค้า กระบวนการภายใน และการเรียนรู้ของอค์กรออกมาในรูปแบบของการดำเนินการในทางปฏิบัติ และยังเป็นการทำให้การปฎิบัติงานขององค์กรสอดคล้องกับกลยุทธ์องค์กรโดยรวมด้วย โดยการใช้ KPI Dashboard ต้องมี KPI เสมอ ตัวอย่าง KPI เช่น Cost per Sale ,Sales per Download ,Revenue per Sale, Profit per Sale
Dashboard
โดยทั่วไปเป็นการปฎิบัติและกลวิธีในการใช้งาน เป็นตัวนำเสนอออกมาเป็นรูปภาพในการติดตามผลการดำเนินงานในการปฏิบัติการ สามารถแบ่งเป็น 3 ประเภท ได้แก่
1. Operational dashboards
2. Tactical dashboards
3. Strategic dashboards
2.Analytic
Online Analytical Processing (OLTP)
เป็นเครื่องมือเริ่มต้นของผู้บริหารที่ช่วยในการวิเคราะห์ โดยจะช่วยระบุปัญหาและวิเคราะห์ได้ในพื้นฐานเท่านั้น ซึ่งการวิเคราะห์ข้อมูลด้วยเครื่องมือนี้จะทำให้ได้ insight ของข้อมูล แสดงผลออกมาในรูปแบบของกราฟ
Mining
เป็นการนำข้อมูลที่ยังไม่รู้ขึ้นมาให้รู้โดยแบ่งเป็น 3ประเภทคือ
2.1.Data Mining –เป็นการค้นหาข้อมูลที่มีโครงสร้างซึ่งข้อมูลที่จะนำมาใช้ต้องมีจำนวนมาก โดยแบ่งผลออกเป็น5ประเภทคือ
1. Clustering – นำเสนอข้อมูลโดยให้ข้อมูลจัดกลุ่มโดยไม่กำหนดกลุ่มให้กับข้อมูลตั้งแต่ต้นแต่
2. Classification – นำเสนอข้อมูลตามทที่ได้ตั้งสมมติฐานไว้ตั้งแต่ต้น
3.Association - นำเสนอผลสืบเนื่อง
4.Sequence discovery – ผลที่เกิดตามหลังมา
5.Prediction – นำเสนอโดยการพยากรณ์สิ่งที่จะเกิดขึ้น
3.Association - นำเสนอผลสืบเนื่อง
4.Sequence discovery – ผลที่เกิดตามหลังมา
5.Prediction – นำเสนอโดยการพยากรณ์สิ่งที่จะเกิดขึ้น
2.2.Text Mining -เป็นการจัดกระทำกับข้อมูลที่ไม่มีรูปแบบ (Unstructure Data) เช่น ความคิดเห็นของลูกค้า โดยจะช่วยในการหา hidden content จากข้อมูลที่ไม่มีรูปแบบ และจัดกลุ่มข้อมูลที่มีลักษณะเดียวกันเข้าด้วยกัน
2.3. Web mining
3.Data Integration
