Jak dopasować hurtownię do zmiennych w czasie potrzeb

Jak dopasować hurtownię do zmiennych w czasie potrzeb

JAK DOPASOWAĆ HURTOWNIĘ DANYCH DO ZMIENNYCH W CZASIE
POTRZEB INFORMACYJNYCH FIRMY?
Bożena Śmiałkowska
Zachodniopomorski Uniwersytet Technologiczny w Szczecinie
Wydział Informatyki
Kluczowym zadaniem systemów informacyjnych zarządzania oraz wspomagania
decyzji jest dostęp we właściwym czasie do wiarogodnej, zintegrowanej i często
uwarunkowanej historycznie informacji. Jedną z klas takich systemów są hurtownie
(magazyny) danych (ang. Data Warehouse). Za Inmonem [1], hurtownia (magazyn) danych
jest „…tematycznie zorientowaną, spójną, chronologiczną i niezmienną kolekcję danych,
stanowiącą podstawę procesów podejmowania decyzji…”.
Dzięki wbudowanym
mechanizmom w tych systemach możliwy jest nie tylko dostęp do zintegrowanych danych z
różnych obszarów, dziedzin i działów działalności firmy, ale również przetwarzanie
analityczne (ang. On-line Analytical Processing - OLAP), eksploracja danych (ang. Data
Mining), tzw. drążenie danych (ang. Data Drilling), odkrywanie (pozyskiwanie) wiedzy (ang.
Knowledge Discovery) z danych oraz gromadzenie tej wiedzy, w formie nowych źródeł
danych.
Na firmę mają wpływ zmienne w czasie procesy biznesowe zachodzące w firmie i jej
otoczeniu rynkowym. Mogą zmienić się jej kooperatorzy, profile zapotrzebowania
związanego z funkcjonowaniem firmy. Zmienia się prawo. Także firma podlega zmianom
organizacyjnym czy procesowym oraz doskonaleniu. Zmiany te mogą mieć również wpływ
na strategię firmy, metody zarządzania i podejmowania decyzji. Powstają dzięki temu nowe
potrzeby informacyjne w firmie, których obraz powinien być odwzorowany w hurtowni
danych. Oznacza to, że hurtownia danych powinna być zasilana nowymi źródłami danych.
Dodatkowo należy zauważyć, że dane zgromadzone w hurtowni danych dotyczą przeszłości
(historii funkcjonowania firmy), a podejmowane decyzje wspomagane dostępem do danych
zgromadzonych w hurtowni dotyczą przyszłości i teraźniejszości. Im ta przyszłość jest dalsza
od teraźniejszości i przeszłości tym użyteczność danych zgromadzonych w hurtowni, w
procesie podejmowania decyzji, może i zwykle jest mniejsza. Ostatecznie może się zdarzyć
sytuacja, w której zgromadzone w hurtowni dane będą mało użyteczne lub bezużyteczne,
choć w przeszłości były wysoce użyteczne. Oznacza to, że użyteczność danych
zgromadzonych w hurtowni jest zmienna w czasie i że hurtownia powinna dane bezużyteczne
agregować, archiwizować w odpowiednim czasie utraty ich użyteczności. W firmie powstają
również nowe źródła danych, które mogłyby wspierać procesy podejmowania decyzji gdyby
je tylko przeniesiono do hurtowni danych.
Omówione przesłanki dowodzą, że hurtownia danych budowana w firmie powinna
dopasowywać się do jej potrzeb informacyjnych zmiennych w czasie. Powstaje jednak
pytanie, kiedy takie dopasowanie jest możliwe i jak je zrealizować.
Dopasowanie hurtowni danych do zmiennych potrzeb informacyjnych na etapie jej
projektowania jest możliwe tylko w ograniczonym zakresie wynikającym z jakości metod jej
projektowania. W praktyce na etapie projektowania hurtowni danych wiele uwagi poświęca
się etapowi modelowania struktur logicznych danych i metod przenoszenia danych (zasilania)
hurtowni. Uznaje się ten etap za najbardziej zasadniczy, gdy tymczasem powinny one ulegać
zmianie w czasie. Gdy ma to miejsce, to po etapie wstępnego (kolejnego) projektu faktów i
wymiarów hurtowni zwykle następuje powrót do etapów analizy przypadków użycia lub
analizy metod planowania strategii firmy. Taka iteracja w tworzeniu hurtowni danych jest
konieczna. Z analizy istniejących metod projektowania hurtowni wynika, że jedynie aktywna
metoda projektowania [4] hurtowni ukierunkowana jest na iteracyjne dopasowanie hurtowni
do zmiennych potrzeb informacyjnych firmy. Wadą tej metody jest jednak brak możliwości
zautomatyzowania oceny chwil i zakresu zmian, w których takie dopasowanie hurtowni do
potrzeb firmy należy zrealizować.
Z definicji hurtowni danych wynika, że jej zadaniem jest wspomaganie decyzji
również tych związanych z biznes planem – strategią firmy. By wspomagać te procesy należy
w hurtowni przechowywać dane niezbędne do oceny strategii firmy. Jeśli budując hurtownię
danych nie uwzględnimy tych danych, to hurtownia nie spełni postawionych przed nią zadań.
Ta uwaga powinna być podstawą projektowania hurtowni danych nawet w przypadku
najlepszych metod projektowania jej struktury.
Etapem dopasowania hurtowni danych do zmiennych potrzeb informacyjnych firmy
powinien być również etap jej eksploatacji, w którym to głównie powstają nowe
nieprzewidywalne w okresie projektowania hurtowni, potrzeby informacyjne firmy. Są tu
możliwe następujące kierunki działań:
 bieżący pomiar jakości zgromadzonych w hurtowni danych,
 wdrożenie hurtowni danych z wielowersyjnym modelem danych,
 bieżący pomiar możliwości i potrzeb firmy w jej biznesowym otoczeniu, a na tej
podstawie ocena dopasowania firmy do jej otoczenia oraz dopasowania hurtowni
do firmy.
Jedną z koncepcji pomiaru jakości danych zgromadzonych w hurtowni jest koncepcja
DWQ (ang. Data Warehouse Quality). Zaprezentowano ją w literaturze [2]. Jej podstawą są
bieżące pomiary i kontrola wskaźników jakości danych, definiowanych w hurtowni. W
zależności od potrzeb, takimi wskaźnikami mogą być np. użyteczność, spójność,
niezawodność czy świeżość danych. Gdy jakość danych wg zdefiniowanych kryteriów jest
niewystarczająca, należy w hurtowni danych zmodyfikować model danych i metody jej
zasilania. Zwykle niezbędna jest w tym celu modyfikacja metod obsługi hurtowni danych,
zależnie od wprowadzanych zmian. Zaprezentowana ogólna koncepcja pomiaru jakości
danych jest jednak jeszcze mało sformalizowana i stosowana praktycznie. Dodatkowo
wymaga użytkowania hurtowni z różnymi schematami logicznymi danych przechowywanych
w różnych okresach eksploatacji hurtowni i nie stanowi całościowego rozwiązania problemu
dopasowania hurtowni do zmiennych potrzeb informacyjnych firmy.
Zmianę organizacji danych w hurtowni umożliwia wdrożenie tzw. wielowersyjnej
hurtowni danych [3][6]. Wówczas hurtownia przechowuje wiele wersji struktur danych i
umożliwia jednoczesną realizację funkcji hurtowni na tych wersjach. Wielowersyjność
hurtowni danych ułatwia również wprowadzanie do niej nowych źródeł danych, gdy tylko
zaistnieje taka potrzeba. Wersje w hurtowni wielowersyjnej mogą być wersjami
alternatywnymi lub wersjami rzeczywistymi. Rzeczywiste wersje hurtowni danych
reprezentują kolejne, w sensie następstwa czasowego, struktury danych, adekwatne do
odpowiednich chwil na osi czasu zaś wersje alternatywne mogą być tworzone dla potrzeb
analizy wariantowej (przewidywanie trendów, symulacja wirtualnych scenariuszy).
Dodatkowo wersje alternatywne mogą być w hurtowni wersjami zmaterializowanymi lub
wirtualnymi. Zwykle wersje wirtualne umożliwiają w takich hurtowniach tworzenie
scenariuszy biznesowych. Scenariusze biznesowe są formą wspomagania procesów
decyzyjnych. Główną zaletą wielowersyjnych rozwiązań jest ich funkcjonalność i zgodność z
rzeczywistym modelem upływem czasu. Wielowersyjne hurtownie danych dają jej
użytkownikom możliwość pracy z wieloma wersjami modelu danych jednocześnie. Należy
jednak zauważyć, że pomimo tej zalety, wiarogodność symulacji za pomocą alternatywnych
wersji hurtowni danych nie zawsze jest wysoka i że nie zawsze wytworzone w oparciu o
wielowersyjne hurtownie danych scenariusze biznesowe będą zgodne z przyszłą
rzeczywistością. Wynika to z tego, że podejmowanie decyzji, zarządzanie dotyczy
przyszłości, a hurtownia danych pozwala analizować przeszłość. Im ta przeszłość jest bardziej
odległa od teraźniejszości, tym mniej użyteczne mogą być dane przechowywane w „starej”
hurtowni, tym mniej można się na nich opierać. Dane zgromadzone w odległej przeszłości
mogą być nawet bezwartościowe dla przyszłych decyzje i zarządzanie firmą, mogą stanowić
szum informacyjny. Powstają tu dodatkowo problemy z określeniem czasu, w którym dana
zgromadzone w hurtowni przestają być użyteczne w procesie podejmowania decyzji, na ile są
ona ważne (użyteczne), jak długo będą użyteczne?
Tych zagadnień nie rozwiązują wielowersyjne hurtownie danych. Są one
ukierunkowane na obsługę wersji, a nie na pomiar i ocenę użyteczności przechowywanych w
hurtowni wersji danych. Należy jednak zauważyć, że wielowersyjność hurtowni danych jest
warunkiem koniecznym, ale niewystarczającym (dostatecznym) z punktu widzenia nie tylko
zmienności w czasie strategii firmy, źródeł zasilania hurtowni, funkcjonowania firmy czy
zmian w relacjach firmy z jej biznesowym otoczeniem.
Jednym ze sposobów sformułowania takich warunków jest metoda oparta na inżynierii
systemów działania, która dostarcza narzędzi oceny dopasowania systemów działania w tzw.
bliskim ich otoczeniu, w dowolnym okresie czasu. Wówczas podstawą identyfikacji
dopasowania hurtowni danych do zmiennych w czasie potrzeb informacyjnych
przedsiębiorstwa na etapie eksploatacji hurtowni może być bieżący pomiar wskaźników
dopasowania hurtowni do firmy. Dodatkowo bieżący pomiar dopasowania firmy do jej
biznesowego otoczenia może być podstawą oceny stopnia realizacji strategii firmy. Jeśli w
jakiejś chwili eksploatacji hurtowni wskaźniki takiego dopasowania (hurtowni do firmy i
firmy do jej otoczenia) są nieodpowiednie, to powinna nastąpić zmiana modelu danych w
hurtowni. Dokładniej metodę tę zaprezentowano w literaturze [5].
Dodatkowym sposobem na lepsze dopasowanie hurtowni danych do zmiennych potrzeb
informacyjnych firmy jest również dobór sposobu komunikacji użytkownika z systemem
hurtowni danych. Ten kierunek działań jest wsparty badaniami realizowanymi w obszarze
prac nad tzw. językami zapytań, głównie w odniesieniu do baz danych i nie wynika z istoty
systemu hurtowni danych.
Reasumując, należy zauważyć, że dopasowanie hurtowni danych do zmiennych
potrzeb informacyjnych firmy to proces złożony i permanentny w czasie. Powinien on być
realizowany nie tylko podczas projektowania i wdrażania hurtowni danych, ale również w
okresie jej eksploatacji, poprzez bieżącą ocenę stopnia dopasowania hurtowni do firmy i
firmy do otoczenia oraz ocenę jakości danych zgromadzonych w hurtowni danych. Dane
pomiarowe i oceny powinny być na bieżąco gromadzone w dodatkowej warstwie metadanych
hurtowni. Dostęp administracyjny do tej warstwy pozwoli na dopasowywanie hurtowni do
potrzeb zmiennych potrzeb firmy w kolejnych okresach osi czasu. Jednakże, ze względu na
zmienność struktur danych przechowywanych w hurtowni niezbędnym sposobem
implementacji hurtowni jest wielowersyjne środowisko i system zarządzania taką hurtownią
danych z dodatkową warstwą metadanych.
Literatura:
[1] Inmon, W. H.: Building the Data Warehouse, Second Edition, Wiley & Sons, New York,
1996
[2] Jarke M., Lenzerini M., Vassiliou Y., Vassiliadis P.: Hurtownie danych. Podstawy
organizacji i funkcjonowania. Wydawnictwo szkolne i pedagogiczne, Warszawa, 2003
[3] Morzy T., Wrembel R.: Modeling a Multiversion Data Warehouse: A Formal Approach.
Konferencja ICEIS, 2003
[4] Śmiałkowska B.: Metoda projektowania hurtowni danych dla potrzeb adaptacyjnego
wspomagania zarządzania strategią firmy. Wydawnictwo Katedry Informatyki w
Zarządzaniu, Akademii Rolniczo-Technicznej, Bydgoszcz, 2003
[5] Śmiałkowska B.: Metoda dopasowania hurtowni danych do zmiennych potrzeb
informacyjnych przedsiębiorstwa. Wydawnictwo uczelniane Zachodniopomorskiego
Uniwersytetu Technologicznego w Szczecinie, Szczecin 2009, s.89÷93.
[6] Wrembel R.: Management of schema and data evaluation in multiversion data warehouse.
Wydawnictwo Politechniki Poznańskiej, Seria: Rozprawy, Nr 411, Poznań, 2007.