Datalager
Hvad det er og hvorfor det er vigtigt
Et datalager (eller virksomhedsdatalager) gemmer store mængder data, som er blevet indsamlet og integreret fra flere kilder. Da organisationer er afhængige af disse data til analyse- eller rapporteringsformål, skal dataene være konsekvent formaterede og let tilgængelige - to egenskaber, der definerer datalagring og gør det vigtigt for nutidens virksomheder.
Datalagerets historie
I 1970'erne og 80'erne blev databrug mere udbredt , og organisationer havde brug for en nem måde at gemme og få adgang til deres information på. Datalog Bill Inmon, som anses for at være stamfar til datalagring, begyndte at kortlægge konceptet i 1970'erne og er kendt for at have opfundet begrebet "datalager". Han udgav bogen Building the Data Warehouse i 1992, der blev rost som en fundamental kilde til datalagringsteknologi. Inmon's definition af datalageret har en "top-down"-tilgang, hvor der først etableres et centralt lager, og efterfølgende oprettes der 'data marts' - som indeholder specifikke delmængder af data - inden for dette lager.
Ralph Kimball, en anden teknologiekspert, der udgav The Data Warehouse Toolkit i midten af 90'erne, valgte en lidt anden taktik for datalagerkonceptet med sin "bottom up"-tilgang, hvor individuelle 'data marts' udvikles først og senere integreres med hinanden for at danne et datalager.
Datalagring er stadig relevant i dag, men det udvikler sig i takt med, at branchen ændrer sig for at imødekomme cloud computing og realtidsanalyser. Et nyt datalagringsværktøj, der ligner et datalager, er en datasø, som blev skabt af disruptive lavpris-teknologier som Apache Hadoop. Datasøer bruges ofte i forbindelse med uhindret datastrømning og lagring uden bearbejdning eller opbygning af skemaer.
Få styr på dine data på tværs af grænser
Hvordan kan du få overblik over den enorme mængde information fra din database? Matthew Magne, domæneekspert i datastyring, beskriver et scenarie, hvor du kan streame, rense og profilere data i din datasø - og derefter udtrække viden i realtid.
Hvorfor er datalagre vigtige?
Data er afgørende for, at virksomheder kan træffe kvalificerede beslutninger, så det siger sig selv, at datalagre er mindst lige så vigtige, fordi de lagrer alle disse data. Et datalager kan:
- Lagre store mængder data i en central database - og i et standardformat.
- Integrere data fra mange forskellige kilder og standardisere dem, så de er forberedt til analyse eller rapportering.
- Bevare historiske optegnelser, da den kan gemme data fra flere måneder eller endda år tilbage.
- Beskytte data ved at gemme dem et centralt sted. Kun dem, der har brug for specifikke data, kan få adgang.
- Give øjeblikkelig og nem adgang til data for at muliggøre hurtigere forretningsmæssige beslutninger.
Datalagring i dag
Et datalager udgør ofte forskellen mellem informerede beslutninger - og data-kaos. Lær, hvordan datalagre påvirker den verden, vi lever i.
Modernisering af datalageret
Datalagre er stadig relevante, når det gælder big data og analyse, men de fleste skal moderniseres. Find ud af, hvad du skal gøre, og hvorfor det er vigtigt at modernisere dem.
Hadoop, helt enkelt
Hvad er muligt med Hadoop - og hvordan kan det understøtte din virksomheds datalager? Find ud af, hvordan du kan understøtte og udvide dit økosystem for datalagre.
Landskabet for dataintegration
Bevæg dig væk fra en ad hoc-tilgang til dataintegration og gå på udkig efter en mere helhedsorienteret løsning, der kan håndtere en række forskellige dataintegrationsprogrammer.
Dataintegration - Déjà Vu
Find ud af, hvordan dataintegration har udviklet sig gennem årene, hvad der måske er i vente i fremtiden, og hvordan du kan gøre din tilgang til dataintegration tidssvarende.
Datalagre vs. andre lagringssystemer
Selv om datalagring er en almindelig løsning til opbevaring af data, er det ikke den eneste løsning. Se her, hvordan datalagre kan sammenlignes med lignende typer teknologi.
Datalager
Lagrer en stor mængde virksomhedsdata, der omfatter flere emneområder.
|
Det kan være kompliceret at bygge.
|
Fylder meget.
|
Data bliver struktureret og er forberedt til brug for analyse eller rapportering.
|
Datamart
Lagrer en mindre mængde data; dataene dækker typisk et enkelt emneområde og bruges af én afdeling, f.eks. marketing eller salg.
|
Hurtigere og nemmere at opbygge end et datalager.
|
Begrænset hukommelse.
|
Data er struktureret og forberedt til brug for analyser eller rapportering.
|
Datasø
Gemmer en stor mængde rådata.
|
Data bevares i uforandret tilstand, indtil der er brug for dem.
|
Gør det muligt for brugerne at søge i mindre, mere relevante og mere fleksible datasæt.
|
Få mere at vide om brancher, der bruger denne teknologi
- Landbrug
- Bankvæsen
- Kapitalmarkeder
- Forbrugsvarer
- Kasinoer
- Sundhedspleje
- Højere uddannelse
- Hoteller
- Forsikring
- Biovidenskab
- Produktion
- Olie og gas
- P-12 Uddannelse
- Offentlig sektor
- Detailhandel
- Små og mellemstore virksomheder
- Sportsanalyse
- Rejser og transport
- Telekommunikation, medier og teknologi
- Forsyningsvirksomheder
Sådan virker det
Et datalager begynder med selve dataene, som indsamles fra både interne og eksterne kilder. Data lagres typisk i et datalager gennem en ETL-proces (udtræk, transformation og indlæsning), hvor information udtrækkes fra kilden, omdannes til data af høj kvalitet og derefter indlæses i et lager. Virksomheder udfører denne proces regelmæssigt for at holde data opdateret og forberedt til næste trin.
Når en organisation er klar til at bruge sine data til analyse eller rapportering, flyttes fokus fra datalagring til business intelligence-værktøjer. Teknologier som visuel analyse og dataudforskning bruges til at hjælpe virksomheder med at få vigtig indsigt i deres data.
Læs mere om dette emne
- Key questions to kick off your data analytics projectsThere’s no single blueprint for starting a data analytics project. Technology expert Phil Simon suggests these 10 questions as a guide.
- What is a data lake & why does it matter?As containers for multiple collections of data in one convenient location, data lakes allow for self-service access, exploration and visualization. In turn, businesses can see and respond to new information faster.
- 5 data management best practices to help you do data rightFollow these 5 data management best practices to make sure your business data gives you great results from analytics.
- Data lineage: Making artificial intelligence smarterLear how data lineage plays a vital role in understanding data, making it a foundational principle of AI.