Логическая витрина данных

Представим себе большую промышленную корпорацию. В ней работает аналитик, которому нужно проанализировать эффективность инвестиций в обновление оборудования.Какие данные потребуются ему для решения этой задачи?

Балансовая стоимость

оборудования

Плановые ремонты, их даты

и стоимости

Список оборудования, сгруппированн

ый по типам (маркам, моделям,

характеристикам) Аварийные

ремонты, их даты,

стоимости, ущерб

от простоя

План инвестиций в обновление

оборудования, факт его

выполнения

Объем и стоимость энергии и ресурсов,

потребляемых

оборудованием

Производи-тельность

оборудования

Зачем нужна витрина данных? 1

ИТ-системы ДЗО и филиаловИТ-системы ДЗО и филиалов

ИТ-системы корпорации при этом выглядят так:

Такая ситуация складывается в ходе естественного развития ИТ-систем, догоняющего потребности бизнеса.Реализовать централизованную схему интеграции, перейти к единому набору НСИ – в таких случаях,как правило, невозможно. Слишком велики требуемые затраты и организационные усилия.

ИТ-системы корпоративного центра ИТ-системы ДЗО и филиалов

Внешние ИТ-сервисыпартнеров,

органов власти и др.

ERP

PLM CRM

ТОиР Документо-оборот

НСИ

Прикладное ПО 1 BIПрикладно

е ПО 2

ERP N ТОиР N Прикладное ПО N

Сервис M

Построив список требуемых данных, аналитик идет в ИТ-отдел…


ИТ-специалисты составляют техническое задание на: создание базы данных, в которую будет помещена вся необходимая информация, выгрузку данных из источников (включая взаимодействие с ДЗО и филиалами), приведение их к единому набору НСИ (списку оборудования, как минимум), загрузку результата в получившуюся общую базу.После этого аналитик сможет работать с нужными данными в своей BI-системе…

Бухучет

ТОиРфилиала

N

Прикладное ПО 1

Excel

Прикладное ПО 2

ERP филиала N

ТОиР

Аналитическая СУБД

№521ERP

филиала M

ERP филиала

… ТОиРфилиала

M

НСИ N

НСИ M

НСИ … НСИ N+1

вообще без НСИ

своя внутренняя НСИ


И так – каждый раз.

Для решения каждой новой аналитической задачинужно собирать данные, которые: Разрозненны, Плохо доступны, Имеют постоянно меняющуюся структуру, Имеют разные наборы НСИ, …


У меня есть мечта: однажды я смогуполучить любые данные за пару минут.

У меня есть мечта: я смогу сделатьэто сам, не обращаясь в ИТ-отдел.

У меня есть мечта: четверо моихподчиненных будут заниматься аналитикой, а не поиском данных.


ЖелайД

Как сказку сделать былью? 7

Сформулируем требования к витрине данных: Она должна уметь извлекать любые данные из удаленных источников по запросу. Пользователь может сам строить запросы к любым данным. Пользователь не обязан знать, откуда взяты те или иные данные,

какова была их исходная структура, какому набору НСИ они соответствовали. Витрина не должна хранить все данные в одном хранилище –

это невозможно из-за их огромного объема.

Фактически, пользователь должен работать с витриной, как с единой точкой доступа ко всей корпоративной информации,которая объединяется таким образом в единый виртуальный массив.

Как построить витрину данных? 8

имеетвид

закупленооборудование

Часть 1: Концептуальная модельПользователь будет строить запросы в терминах КОНЦЕПТУАЛЬНОЙ МОДЕЛИ предметной области.Эта модель представляет собой тезаурус, содержащий определениятерминов, в которых бизнес описывает свою деятельность,и связи между ними. Это – структура корпоративных знаний.

Вид оборудования

Ремонтвыполнен наПриходная

накладная

Концептуальная модель – это только структура знаний! Фактической информации здесь еще нет.

Производственный процесс

участвует в Расход ресурса

происходитна оборудовании

Единицаоборудования


Часть 2: Интерфейс пользователяПользователю предоставляется несколько интерфейсов для создания запросов.

Каковы затраты на ремонт оборудования, которое…

Контролируемыйестественный язык

Затраты X относятся к Ремонт Y

Ремонт Y выполнен на Оборудование Z

Конструктор запросов

Затраты

Оборудован

ие

Ремонт

Графическийконструктор


Часть 3: Правила извлечения и преобразованияВ административном интерфейсе происходит привязка источников данных к элементам концептуальной модели, настройка правил их извлечения и трансформации.

Оборудование

Концептуальная модель Правило Источник

Система ERP

Система ТОРО

Оборудование

Актив

НСИ2 => НСИ1

…

НСИ2 => НСИ1

…

SOAP

ETL


Часть 4: Механизм запросов к даннымПосле того, как связи настроены, пользователь может делать запросы.Выполняются они так:

Интерфейс конструирован

ия запросов

Интерфейс настройки

правилХранилище

правил

Хранилище модели, НСИ

1

Интерпретатор запросов

2 3ESB и другие коммуникационные средства

Источник 1 Источник 2 Источник 3

4 7

5 6 5 6 5 6

3 8 Результат


Реализация архитектуры витриныНаша компания обладает полным спектром ПО для реализациилогических витрин данных: Редактор модели – Onto.pro; Редактор правил – АрхиГраф.СУЗ; Конструктор запросов – АрхиГраф.СУЗ; Хранилище модели – АрхиГраф.MDM; Шина передачи данных – Apache Synapse или наши разработки; Готовые адаптеры обмена данными для ряда платформ.

Все используемые продукты – наши собственные разработки,или свободно распространяемое ПО. Мы оказываем полный спектруслуг по проектированию и реализации витрины,включая создание концептуальной модели и настройку правил.


Часть 5: Представление результатовРезультат запроса собирается из сведений, полученных от разных источников, и помещается в:

базу данных BI-системы, OLAP-куб, экспортируется в виде файла, и т.д.


Благодаря внедрению витрины, бизнес получает: Расширение видов доступной аналитики. Радикальное сокращение времени и затрат на поиск

и преобразование данных в процессе выполнения анализа. Возможность принимать обоснованные решения,

опирающиеся на знания. Возможность использовать разностороннюю информацию

в качестве основы для построения оптимизационных,прогнозных моделей.

Результат внедрения витрины данных 16

Data & Analytics

Логическая витрина данных