Data Management (Cont’d) and Business Intelligence
Data Management (Cont’d)
Data warehouse suitability
การเก็บคลังข้อมูลเหมาะสำหรับองค์กรที่มีลักษณะดังต่อไปนี้
- ข้อมูลจำนวนมากจำเป็นต้องถูกเข้าถึงโดยผู้ใช้ปลายทาง
- ข้อมูลปฏิบัติการถูกเก็บไว้ในหลายระบบ
- มีการบริหารโดยวิธีที่อาศัยข้อมูลเป็นพื้นฐาน
- มีฐานลูกค้าที่ใหญ่และหลากหลาย
- ข้อมูลเดียวกันถูกนำเสนอแตกต่างกันในระบบที่แตกต่างกัน
- ข้อมูลถูกเก็บอยู่ในรูปแบบทางเทคนิค ซึ่งยากที่จะถอดรหัส
- มีการคำนวณอย่างกว้างขวางของผู้ใช้ข้อมูล
Data warehouse process
นำข้อมูลปฎิบัติการหรือข้อมูลภายนอกมาเข้าสู่ขั้นตอน Data staging หรือ ETL คือ Extract, Clean (กำจัด attribute ที่ไม่จำเป็น), Transform (ทำให้อยู่ในรูปแบบที่นำไปใช้ประโยชน์ได้), และ Load (โหลดข้อมูลที่ได้จากการแปลงลง Data cube) จากนั้นเก็บข้อมูลในคลังข้อมูล และนำมาใช้ในหัวข้อต่างๆทางธุรกิจ หลังจากนั้นก็นำเสนอผลที่ได้จากการวิเคราะห์ข้อมูลในรูปแบบต่างๆ เพื่อทำการตัดสินใจต่อไป โดยอาจใช้ Dashboard ช่วยในการนำเสนอ
Metadata
เป็นข้อมูลที่เกี่ยวกับข้อมูล สร้างขึ้นจากข้อมูลปฏิบัติการและข้อมูลภายนอก ซึ่งจะให้สารสนเทศเกี่ยวกับเนื้อหาของคลังข้อมูล รวมถึงแนวทางการเคลื่อนย้ายข้อมูลไปยังคลังข้อมูล กฎสำหรับการสรุปข้อมูล ศัพท์ทางธุรกิจที่ใช้ในการอธิบายข้อมูล เทคโนโลยี และกฎในการคัดแยกข้อมูล
The data mart
เป็นรูปแบบของคลังข้อมูลที่ขนาดเล็กลง ออกแบบมาเพื่อใช้ในหน่วยธุรกิจเชิงกลยุทธ์ (SBU) หรือแผนก และเนื่องจากมีข้อมูลน้อยกว่าคลังข้อมูล จึงสามารถตอบสนองได้อย่างรวดเร็วและสามารถค้นหาตำแหน่งได้ง่ายกว่าคลังข้อมูล
Data marts มี 2 ชนิด คือ
- Replicated data mart: เป็นส่วนย่อยขนาดเล็กของคลังข้อมูล ชนิดนี้จะเป็นการคัดลอกข้อมูลส่วนย่อยของคลังข้อมูลมาไว้ใน Data marts ที่มีขนาดเล็กกว่า โดยแต่ละ Data mart ก็ใช้สำหรับหน้าที่งานหรือแผนกหนึ่งโดยเฉพาะ
- Stand-alone data marts: เป็น Data marts อิสระแบบไม่อาศัยคลังข้อมูล โดยทั่วไปใช้ในด้านการตลาด การเงิน และวิศวกรรม ซึ่ง Data marts ชนิดนี้จะยากที่จะนำมารวมเป็นคลังข้อมูลในภายหลัง
The data cube
คือฐานข้อมูลที่มีหลายมิติ หรือเรียกว่า OLAP ซึ่งเป็นที่เก็บข้อมูลที่จัดข้อมูลในมิติต่างๆ เช่น พื้นที่การขาย ไลน์สินค้า พนักงายขาย หรือเวลา Cube จะช่วยให้สามารถสืบค้น แบ่ง รวบรวม และเจาะลึกข้อมูลได้รวดเร็วยิ่งขึ้น
Business Intelligence
เป็นการรวบรวมสถาปัตยกรรม เครื่องมือ ฐานข้อมูล โปรแกรมคอมพิวเตอร์ และระเบียบวิธีเข้าด้วยกัน เพื่อให้เกิดการเข้าถึงข้อมูลเชิงโต้ตอบ จัดการข้อมูล และการวิเคราะห์ข้อมูลที่เหมาะสมสำหรับผู้บริหารและนักวิเคราะห์ ด้วยกระบวนการแปลงข้อมูลเป็นสารสนเทศ จากนั้นก็นำไปสู่การตัดสินใจ และสู่การปฏิบัติจริงต่อไป
Enterprise reporting systems
- ให้รายงานที่มีมาตรฐาน
- ลดข้อมูลแฝง
- ลดเวลาที่ต้องใช้ในการเก็บข้อมูล เพิ่มเวลาในการวิเคราะห์ข้อมูลเพื่อการตัดสินใจที่ดีขึ้น
Dashboards & Scorecards
- Dashboard โดยทั่วไปเป็นการปฎิบัติและกลวิธีในการใช้งาน เป็นตัวนำเสนอออกมาเป็นรูปภาพในการติดตามผลการดำเนินงานในการปฏิบัติการ
- Scorecards ผู้ใช้งานมักเป็นผู้บริหารระดับสูงหรือพนักงานในระดับกลยุทธ์
- Balance scorecard เป็นทั้งเครื่องมือวัดผลการดำเนินงาน ตารางความคืบหน้า เปรียบเทียบผลที่ได้จริงกับเป้าหมายที่วางไว้ และยังเป็นระเบียบวิธีการบริหาร ที่จะช่วยแปลการเงิน ลูกค้า กระบวนการภายใน และการเรียนรู้ของอค์กรออกมาในรูปแบบของการดำเนินการในทางปฏิบัติ และยังเป็นการทำให้การปฎิบัติงานขององค์กรสอดคล้องกับกลยุทธ์องค์กรโดยรวมด้วย
Business performance management
ต้องอาศัยวิธีที่จะประเมินผลการดำเนินงานกับเป้าหมาย วัตถุประสงค์ และความสอดคล้องกับกลยุทธ์ ได้ง่ายและเร็ว
ขึ้นอยู่กับรายงานการวิเคราะห์ การสืบค้น dashboards และ scorecards
OLAP
เทคโนโลยีที่ทำให้นักวิเคราะห์ และผู้บริหาร ได้เห็นข้อมูลในรูปแบบต่างๆ ผ่านช่องทางเชิงโต้ตอบที่รวดเร็วและสอดคล้องกัน
ช่วยระบุปัญหา บทวิเคราะห์ไม่ซับซ้อนมากนัก
Data mining
- กระบวนการคัดแยกสารสนเทศที่ไม่มีใครรู้มาก่อน สามารถเข้าใจได้ และนำไปปฎิบัติได้ จากฐานข้อมูลขนาดใหญ่และใช้ในการตัดสินใจทางธุรกิจที่สำคัญ
- คาดการณ์แนวโน้มโดยอัตโนมัติ
- ค้นพบรูปแบบที่ไม่มีใครรู้มาก่อนโดยอัติโนมัติ
Text mining
เป็นโปรแกรม data mining สำหรับไฟล์เนื้อหาที่ไม่มีโครงสร้างหรือมีโครงสร้างน้อย เพื่อค้นหาเนื้อหาที่ซ่อนอยู่ของเอกสารหรือความสัมพันธ์ เช่น ค้นพบว่าลูกค้าที่อยู่คนละสายผลิตภัณฑ์มีคุณลักษณะที่เหมือนกัน โดยโปรแกรมนี้จะช่วยตรวจจับ e-mail spam หรือ phishing ผ่านการวิเคราะห์เนื้อหาเอกสารด้วย
