Хранилища и витрины данных являются фундаментом для разработки и использования систем поддержки принятия решений. Системы, спроектированные на основе технологии хранилищ и витрин данных, позволяют эффективно анализировать клиентскую базу, продажи и доходы предприятия. Хранилище данных – это удобно структурированный массив данных организации, для обработки и хранения которого используется единый аппаратно-программный комплекс, дающий возможность осуществлять: оперативный доступ к текущей информации и к статистике прошлых периодов; многомерную аналитику данных; прогнозирование и статистическую выборку в рамках заданной нормативно-справочной информации.
В работе любой организации используются операционные системы, являющиеся источником данных для производственного и управленческого учета. В качестве примера можно привести системы бухгалтерского учета, банковские и биллинговые системы. Применение ETL-приложений (программ для хранения и обработки информации) позволяет осуществлять преобразование данных из источников с последующей их загрузкой для хранения. Для построения хранилища формируется заданная структура и обычно выбирается определенная модель данных. Модель данных представляет собой описание всех сущностей и объектов базы данных корпоративного хранилища данных и включает в себя концептуальную, логическую и физическую модели базы данных.
При формировании концептуальной модели происходит выделение сущностей и прописываются их взаимосвязи. В рамках логической модели все сущности относятся к каким-либо бизнес-областям, детально описываются, структурируются их взаимосвязи. Физическая модель базы данных подразумевает определение ее структуры на уровне отдельных таблиц, полей, индексов, партиций. В дальнейшем хранилище данных используется как источник для отчетности: формируются области анализа и витрины данных [1].
На уровне описания принципов построения хранилищ данных структура построения выглядит достаточно простой для внедрения и реализации на предприятии. Но, основываясь на опыте, полученном в ходе проектирования и внедрения хранилищ данных, а также на разборе примеров построения схожих хранилищ, можно отметить, что на всех этих этапах создания обычно возникает ряд серьезных проблем как теоретического, так и практического характера. При этом наиболее существенные вопросы и сложности появляются именно при эксплуатации и сопровождении хранилищ и витрин данных. В связи с этим проектирование хранилищ и витрин данных представляется актуальной проблемой для аналитика на предприятиях различных отраслей промышленности.
Целью исследования является выявление проблем проектирования хранилищ и витрин данных для аналитика на предприятии и способов их решения. Объектом исследования авторами выбрано ООО «УК «СОЮЗ-СЕРВИС»», занимающееся экспертизой промышленных зданий и сооружений, систем электроснабжения, электрооборудования, теплоснабжения, управлением и автоматизацией промышленных процессов в Кемеровской области – Кузбассе.
Материалы и методы исследования
В качестве метода проектирования хранилищ и витрин данных в исследовании использован метод Кимбола. Метод проектирования Кимбола широко используется в Bottom-up дизайне. Принцип проектирования по методу Кимбола основывается на объединении разрозненных витрин данных, которые были спроектированы для аналитика с целью обеспечения быстрого доступа к единому хранилищу данных, необходимых для решения определенных задач предметной области. Подобные витрины данных являются, с одной стороны, базами для формирования пользовательской отчетности, а с другой – хранилищем информации.
В качестве типа витрины данных предлагается использовать схему «звезда». Сутью данной структуры является необходимость наличия таблицы фактов, которая напрямую связана с таблицей измерений. Запросы, генерируемые в данном типе витрин данных, служат элементарным сопоставлением отдельного взятого факта с каждой из таблиц измерений.
Поскольку отличительными особенностями схемы «звезда» являются сравнительно малая избыточность данных и высокая в сравнении с нормализованными структурами производительность, для более эффективного процесса проектирования хранилища данных рекомендуется использовать промышленные (профессиональные) СУБД и инструменты класса OLAP/Reporting, которые раскрывают преимущества схемы «звезда» для значительного ускорения выполнения запросов.
Для обработки и анализа исходных данных в работе использован метод интерактивного анализа многомерных массивов данных (OLAP-куб).
Результаты исследования и их обсуждение
В результате анализа существующих публикаций по хранению и использованию баз данных было установлено, что существует два больших класса IT-систем: оперативная система обработки транзакций в реальном времени (OLTP) и оперативная система аналитической обработки информации (OLAP) [2–5].
OLTP – система, позволяющая осуществлять обработку бизнес-процессов в реальном времени, такая система служит неотъемлемой частью ведения бизнеса [6]. При выходе ее из строя нарушается работа ключевых бизнес-процессов, что для крупного бизнеса является неприемлемым. Однако аналитические системы обработки информации позволяют анализировать результаты работы каждого бизнес-процесса, используя методики интеллектуального анализа данных.
База данных OLAP представляет собой агрегированные данные, которые хранятся в многомерных массивах данных. Для этого используются реляционные базы данных, в которых информация хранится независимо и долговременно [6]. Одним из методов представления многомерных массивов данных является OLAP-куб (рис. 1).
Рис. 1. Схематическое представление OLAP-куба
В OLAP-кубе значениями элементов массива служат меры куба, а индексами массива являются измерения или оси куба. Выражение осей и мер куба можно представить в виде формулы 1.
W:(x, y, z) → Wxyz, (1)
где x, y, z – измерения;
W – мера.
Для исследуемого предприятия ООО «УК «СОЮЗ-СЕРВИС»» были выбраны следующие измерения:
- время: в разрезе года, квартала, месяца;
- место положение объекта: Прокопьевск, Киселевск, др.;
- шифр объекта;
- место образования дефекта: стена, отмостка, колонна, связи опор;
- фактор появления дефекта – влага, рабочая нагрузка, ошибки в строительстве.
На рис. 2 показано использование метода OLAP-куб на исследуемом предприятии.
Рис. 2. OLAP-куб на основе данных предприятия ООО «УК «СОЮЗ-СЕРВИС»»
Список измерений, как видно на рис. 2, представляет собой совокупность атрибутов реляционных таблиц, а именно местонахождение, год, место образования дефекта, фактор.
После анализа особенностей текущего управленческого, бухгалтерского и производственного учета на предприятии, а также с учетом сформулированных руководством стратегических задач и оперативных потребностей были определены требования к организации хранения информации:
- объединение показателей производства предприятия согласно плану;
- обеспечение данных о плановых и фактических показателях производства в подробном представлении, а также в историческом разрезе (доступ к архивной документации);
- деление всех показателей на секции, имеющие показатели для каждого временного периода;
- объединение: месяцев – по кварталам, кварталов – по годам;
- сортировка показателей по дате и типу (план или факт).
Инструментом для объединения и структурирования информации из различных источников в общую базу знаний служит витрина данных. Витрина данных, по сути, является так называемым срезом данных из базы данных, относящихся к отдельным аспектам деятельности организации [7].
Вся информация, которая необходима для построения витрины данных, содержится в виде таблиц в БД, пример таких данных представлен на рис. 2.
Список ключевых мер (факторов), необходимых руководителю организации, представляет собой:
- показатель планового значения;
- показатель фактического значения;
- разность планового и фактического значений;
- необходимое количество показателей для конкретной службы.
В соответствии с проектируемой моделью для решения поставленных нами задач необходимо использовать определенную иерархическую систему [8].
Для дальнейшего создания, построения и наглядности работы витрины данных на рассматриваемом производстве необходимо смоделировать OLAP-куб, в основе которого лежит многомерная модель данных. Данную задачу можно решить с помощью пакета прикладных программ Analysis Services (AS), который предлагает инструменты проведения анализа данных. Еще одним удобным средством создания аналитических решений является семейство прикладных программ Microsoft SQL Server и Microsoft SQL Management Studio. При этом процесс создания базы данных с помощью СУБД MS SQL Server Management Studio начинается с подключения СУБД к заранее установленному локальному серверу.
Спроектированная авторами витрина данных используется в среде Microsoft SQL. Она была реализована в виде реляционной базы данных, что представляет собой только часть реализации процесса проектирования витрины данных.
В базе данных создаются таблицы, в которые вносится информация, получаемая из соответствующих отделов. Для формирования таблицы необходимо заполнить три столбца: «Имя столбца», «Тип данных», «Разрешить значение NULL». После этого таблицы внутри базы данных можно считать готовыми к работе. На их основе формируется основная таблица, столбцы которой представляют собой описанные выше измерения OLAP-куба.
Следующим этапом действий по проектированию баз и витрин данных является создание связей в реляционной базе данных, которые можно представить в виде ER диаграммы (рис. 3).
Рис. 3. Схема связи между таблицами
ER диаграмма – это диаграмма типа «сущность – связь», в которой описывается процесс взаимодействия таблиц внутри базы данных [9]. Основными элементами диаграммы являются «сущность», а также «первичный» и «внешний» ключи. Сущностью является таблица внутри базы данных. Первичным ключом называется столбец, который определяет таблицу одним единственно верным способом. Внешними ключами таблицы соединяются между собой.
Следует отметить, что выполнение описанных этапов проектирования базы и витрины данных является фундаментальной, но не единственной сложной задачей для формирования полноценной среды для бизнес-аналитики.
Выводы
Таким образом, по результатам проведенного авторами исследования можно сделать следующие выводы.
1. OLTP-системы, служащие для автоматизации бизнес-процессов компании, позволяют значительно повысить скорость и качество принятия управленческих решений, обладают высокой степенью многообразия, определяемого сферой бизнеса и функциональным направлением внутри него.
2. Хранилище данных является основой и ядром аналитической системы.
3. Основной задачей для проектирования витрин данных служит выбор типа фактов, необходимых для решения поставленных задач. При анализе предметной области деятельности предприятия ООО «УК «СОЮЗ-СЕРВИС»» было выделено несколько фактов:
- регистрация дефектов сооружения – транзакционный факт;
- состояние объектов в определенный момент времени и количество дефектов за месяц или за год – моментальный снимок;
- обследование на основе договоров или технического задания главного инженера проекта – факты, основанные на документообороте предприятия;
- факт ремонта или развития дефекта в ходе эксплуатации объекта, факт сноса здания или его реконструкции эти факты связывает состояние объекта.
Для успешной бизнес-аналитики недостаточно сформировать централизованную и удобно структурированную информацию, крайне важным являются также возможности ее эффективной визуализации. Традиционные отчеты, даже построенные на основе единого хранилища, как правило, лишены гибкости. В них невозможно повысить или снизить степень детализации, «свернуть» данные или представить их «под другим углом». И, чем больше вариантов представления данных обеспечивает система, тем шире поле аналитических возможностей и формулирования бизнес-идей, которые влекут за собой все большие требования к удобству и оперативности визуализации информации.
Комплексное использование предлагаемых в исследовании подходов и методов проектирования хранилища и витрины данных позволит эффективно решать стоящие перед аналитиком задачи в условиях информатизации и цифровизации экономики.
Библиографическая ссылка
Курьян И.С., Рябцева Л.В., Попова Н.С., Курьян И.С. ПРОЕКТИРОВАНИЕ ХРАНИЛИЩ И ВИТРИН ДАННЫХ ДЛЯ АНАЛИТИКА // Фундаментальные исследования. – 2021. – № 11. – С. 130-134;URL: https://fundamental-research.ru/ru/article/view?id=43134 (дата обращения: 20.04.2024).