Wat is een datamart?

Een datamart is een subset van een datawarehouse ontworpen om een ​​specifiek bedrijfsonderdeel of doel te bedienen.

Datawarehousing-pionier Ralph Kimball bedacht van datamarts om ‘te beginnen met de belangrijkste zakelijke aspecten of afdelingen’. Dit bottom-up dimensionale benadering creëert een gebruiksvriendelijk, flexibel gegevensschema dat snel rapporten levert, zonder dat u op verschillende schermen hoeft in te zoomen. Gegevens die vanuit een verzamelgebied worden verwerkt, worden doorgesluisd naar de datamarts. Aangezien er meerdere datamarts zijn gemaakt, worden ze door een extract, transform, load (ETL) -proces geüpload naar een datawarehouse. Een datamart heeft vaak voordelen voor een specifieke gebruikersgroep.

Andere definities van een datamart omvatten:

• “Een onderwerpgerichte gegevensopslagplaats voor een specifieke branche, zoals financiën of verkoop.” (Gilad David Maayan)
• “Bevat tijdvariante en onderwerpgerichte gegevens, maar met relaties die een dimensionaal gebruik van gegevens impliceren waarin feiten duidelijk gescheiden zijn van dimensionale gegevens, waardoor ze geschikter zijn voor afzonderlijke analysecategorieën.” (Gartner IT-woordenlijst)
• “Een subset van georganiseerde gegevens die gericht zijn op een specifiek onderwerp.” (George Mason University)
• Een database “ontworpen om te voldoen aan de eisen van een specifieke groep kenniswerkers en een relatief beperkt vakgebied te hebben: een enkele afdeling, operatiegebied of misschien een specifieke, zeurende zakelijke pijn.” (TechRepublic)
• “Gebouwd op de basis van het dimensionale model”, “dient het de individuele behoefte.” (O’Reilly)

Wat zijn voorbeelden die Datamart-use-cases omvatten?:

• Business Intelligence bieden aan een universiteit, inclusief datamarts voor crediteuren, toelating, financiën, personeelszaken en studentenaccounts
• Opslaan stamgegevens voor een marketingcampagne
• Sourcing “a dashboard ter ondersteuning van analyses en datamining “
• Het afbreken van een datameer enorm volume in specifieke patronen

Waar gebruiken bedrijven datamarts voor?:

• Bied “volledige gegevenscontext en analytische tools op hetzelfde platform “
• Voer bepaalde rapporten uit voor een zakelijke functie of afdeling
• Verwerk gegevens snel
• Bouw snel een relationele database
• Geld besparen

Waarom hebben we Data Mart nodig?

• Data Mart helpt de reactietijd van de gebruiker te verbeteren door het volume van de gegevens te verminderen
  Het biedt eenvoudige toegang tot vaak opgevraagde gegevens.
• Data mart zijn eenvoudiger te implementeren in vergelijking met corporate Datawarehouse. Tegelijkertijd zijn de kosten voor het implementeren van een Data Mart zeker lager in vergelijking met het implementeren van een volledig data warehouse.
• Vergeleken met een Data Warehouse, is een datamart wendbaar. In geval van verandering in model, kan een datamart sneller worden gebouwd vanwege de kleinere omvang.
• Een datamart wordt gedefinieerd door een enkele Subject Matter Expert. Een data warehouse daarentegen wordt gedefinieerd door interdisciplinaire KMO’s uit verschillende domeinen. Daarom staat een Data mart meer open voor verandering in vergelijking met een Datawarehouse.
• De gegevens zijn gepartitioneerd en laten zeer granulaire toegangscontroleprivileges toe.
• Gegevens kunnen worden gesegmenteerd en opgeslagen op verschillende hardware/software platforms.

Soorten Data Mart

Er zijn drie hoofdtypen data mart:

1. Afhankelijke: Afhankelijke data marts worden gecreëerd door gegevens rechtstreeks uit operationele, externe of beide bronnen te halen.
2. Onafhankelijk: Onafhankelijke data mart wordt gecreëerd zonder gebruik te maken van een centraal data warehouse.
3. Hybride: Dit type data marts kan gegevens putten uit data warehouses of operationele systemen.

Afhankelijke datamart

Een afhankelijke data mart maakt het mogelijk de gegevens van een organisatie uit een enkel Data Warehouse te halen. Het is een van de data mart voorbeelden die het voordeel van centralisatie biedt. Als u een of meer fysieke data marts moet ontwikkelen, dan moet u ze configureren als afhankelijke data marts.

Afhankelijke Data Mart in data warehouse kan worden gebouwd op twee verschillende manieren. Ofwel heeft een gebruiker toegang tot zowel de data mart als het data warehouse, afhankelijk van de behoefte, ofwel is de toegang beperkt tot alleen de data mart. De tweede aanpak is niet optimaal, omdat het soms een data junkyard wordt genoemd. In de data junkyard beginnen alle gegevens met een gemeenschappelijke bron, maar ze worden gesloopt, en meestal ook afgedankt.

Onafhankelijke Data Mart

Een onafhankelijke Data Mart wordt gecreëerd zonder het gebruik van een centraal Data Warehouse. Dit soort Data Mart is een ideale optie voor kleinere groepen binnen een organisatie.

Een onafhankelijke data mart heeft geen relatie met het data warehouse van de onderneming, noch met een andere data mart. In een onafhankelijke data mart worden de gegevens afzonderlijk ingevoerd, en de analyses worden ook autonoom uitgevoerd.

De implementatie van onafhankelijke data marts staat haaks op de motivatie om een data warehouse te bouwen. In de eerste plaats heb je een consistente, gecentraliseerde opslag van bedrijfsgegevens nodig die kunnen worden geanalyseerd door meerdere gebruikers met verschillende belangen die zeer uiteenlopende informatie willen.

Hybride Data Mart:

Een hybride data mart combineert input uit andere bronnen dan Data warehouse. Dit kan nuttig zijn wanneer u ad-hoc integratie wilt, zoals nadat een nieuwe groep of product is toegevoegd aan de organisatie.

Het is het beste data mart voorbeeld geschikt voor meerdere database omgevingen en een snelle implementatie turnaround voor business intelligence binnen elke organisatie. Het vereist ook de minste inspanning voor het opschonen van gegevens. Hybride Data mart ondersteunt ook grote opslagstructuren, en het is het meest geschikt voor flexibele voor kleinere BI data-centric toepassingen.

Afbeelding gebruikt onder licentie van Shutterstock.com