Within business intelligence, a data mart is the access layer of a data warehouse that is used to provide users with data. Data marts are often seen as small slices of the data warehouse. Data warehouses typically house enterprise-wide data, and information stored in a data mart usually belongs to a specific department or team.
The key objective for data marts is to provide the business user with the data that is most relevant for BI in the shortest possible amount of time.
In the Inmon model, data in the data warehouse is integrated, meaning the data warehouse is the source of the data that ends up in the different data marts.
This ensures data integrity and consistency across the organization. Ralph Kimball's data warehouse design starts with the most important business processes.
In this approach, an organization creates data marts that aggregate relevant data around subject-specific areas. With the Kimball approach, the data warehouse is the conglomerate of a number of data marts.
This is in contrast to Inmon's approach, which creates data marts based on information in the warehouse. The following use cases highlight some examples of when to use each approach to data warehousing. Organizations that want to make data-driven decisions are faced with a challenge—when should they use data marts versus data warehouses to analyze and report on the data they collect?
Data marts can guide tactical decisions at a departmental level while data warehouses guide high-level strategic business decisions by providing a consolidated view of all organizational data.
There are two approaches to this challenge that reflect the classic Bill Inmon versus Ralph Kimball debate:. Data warehouses provide a convenient, single repository for all enterprise data, but the cost of implementing such a system on-site is much greater than building data marts. On-premise data warehouse systems also take a significant length of time to build. Como se muestra en la Figura 2. Todo en QlikView puede conectarse con un simple clic, y cada clic aporta una nueva vista de los datos subyacentes — al instante.
Puede ir y probar una ya mismo en demo. La capa de arriba de un Dashboard de rendimiento es un reporte visual de excepciones. Modalidad de Campo. Tabla 3. En este caso se puede apreciar que los reportes que genera el actual sistema no son de mucha utilidad para el personal que labora en el Departamento de Ventas. En este caso se puede apreciar que el gerente no tiene constancia de los reportes que genera el actual sistema, esto es un problema porque impide el crecimiento de la empresa a nivel nacional.
En este caso se puede apreciar que gerente no puede analizar los reportes de las ventas que realizan los vendedores porque el actual sistema no genera ese tipo de reportes. En este caso se puede apreciar que el gerente no puede analizar cuando son las temporadas bajas de las ventas por lo tanto no puede tomar decisiones oportunas para el crecimiento de la empresa. La empresa dispone de un servidor HP G5 y el software con licencia para el desarrollo de la propuesta denominado QlikView de QlikTech y el administrador de base de datos Sybase Adaptive Server Anywhere 9.
Tabla No. Elaborado por: Investigador Tabla 4. Elaborado por: Investigador Tabla No. Cada empresa puede tener N vendedores. Cada empresa puede tener N zonas. Consiste en extraer los datos desde los sistemas de origen hacia el sistema en que se realizara el Datamart. Se limpia y depura datos nulos, en blanco o inconsistencias del sistema transaccional y de esta pasa al dtm.
Mes as idfecha, tblanio. Anio, tblmes. Semestre, tblmes. Trimestre, tblmes. Mes, tblmes. Grafico No. Grafico 4. Tabla del Sistema: Es donde se encuentran todas las dimensiones con cada uno de los campos que corresponden al Datamart.
0コメント