CA数据仓库解决方案

2001-12-25 17:23:09 【作者】 畅享网 【进入论坛】
本文重点: 产品与方案 厂商产品
广告

CA数据仓库解决方案

为数据仓库提供咨询服务

数据仓库方案帮助你围绕企业组织把企业组织里的原始数据转换你可以掌握的最强有力的竞争工具—信息。然而正如成功的概率表明,实施数据仓库不是一项轻而易举的任务。PLATINUM technology的咨询专家却可以助你一臂之力。 PLATINUM technology在全世界有300多名咨询专家,采用一咱面向过程的基于体系结构的方式帮助所有行业的公司在数据仓库方案实施中取得圆满成功。PLATINUM technology认为,成功的数据仓库以下是必不可少的:
面向处理过程
数据仓库不是典型的项目工程。一个项目工程指的是存在已知的要求条件,围绕它们能够建立一个系统。然而数据仓库的要求是一些问题。有些总是能够预测,而其他问题取决于用户在晨报所读到的信息。结果,数据仓库不能成为一个系统,而成为一个处理过程,通过处理可预测和档可预测的问题都能够得到解答。
基于体系结构
如果我们把数据仓库看成一伸处理过程,那么体系结构就桥牌重要。一个好的体系结构可以让体系结构按用户的要求发展,提高和变化。例如,如果你不需要回答用户问题的外部数据,情况将是什么样的呢?如果后来你需要集成外部数据,那么你的体系结构能够胜任处理吗?当你每三到四个月在压力下产生错综混乱的结果时,你就难以解决这些心头之患,但是,如果你合理规定了体系结构,那么你就不必为此忧心忡忡。
PLATINUM technology为数据仓库的建立全过程提供咨询服务。
数据仓库规划
数据仓库化最大的困难之一是投资迅速产生回报(ROI)。虽然ROI的关键非常简单—把业务要求和数据仓库紧密结合起来,但是实现这种结合始终还是一个难题。PLATINUM technology 提供一个适合于数据仓库规划的可重复使用的框架。PLATINUM technology的咨询专家帮助你实施一个简单明了的方法把用户的信息需求和业务的先后次序一一对应起来,制定一个允随着业务需求的变化不断和数据仓库重新紧密结合的终局性实施方案。无论你是第一次规划,还是需要一个结合现有规划的计划框架,PLATINUM technology的Data Warehouse Planning(数据仓库规划)产品都可以给予帮助。
数据仓库系统结构定义
我们建立数据仓库支持决策制定,但是制定决策是一个持续演变的过程。因此,按发展进度而不是围绕静态的系统建立要求规定一个支持数据仓库的系统结构非常重要。PLATINUM technology通过提供Data Warehouse Architecture Definition产品, PLATINUM technology的咨询专家能够帮助你通过三到四个月的一系列数据仓库建造工作极大地满足用户的信息需求。每三到四个月的“增长”涉及到彻底的反复分析,计划,建造和提高,这样数据仓库的建造和当前的业务需求紧密结合起来。
数据集市建造
无论是相依的,独立的,还是两者结合,数据集市都是数据仓库系统结构的有价值的构成部分。虽然在几个方面类似数据仓库,但是数据集市在建造过程中引起不同的问题。例如,数据提取和转换在数据仓库建造中是至关重要的,与此相反,数据分布和汇总/聚集在数据集市建造中起到更关键的作用。这些差异是 PLATINUM technology的Data Mart Construction(数据集市建造)产品的基础,PLATINUM technology将利用这些差异帮助你在你的环境里建造成功的数据集市。
数据仓库管理
一旦数据仓库瓜熟蒂落,大多数的企业组织发现他们又面临新的挑战:管理数据仓库的生命周期。作为一个不断发展的过程,系统结构的许多地方需要按时管理数据仓库,包括内部营销运动,性能管理和使用管理等。通过使用我们的Data Warehouse Management(数据仓库管理)产品, PLATINUM technology的咨询专家将帮助你在独特的环境里确定你所需要管理的基础设施范围并实施管理。
数据移动工具集成
提取和转换数据的工具或数据分布工具已经为人熟悉知,许多企业组织使用这种类型的软件从数据源向数据仓库化环境移动和集成数据。如果你已经选择了 PLATINUM technology的数据移动工具,那么 PLATINUM technology可以帮助你实施和集成这些工具形成一个全面的数据仓库化的解决方案。

为决策支持提供咨询服务

虽然一个决策支持工具或应用程序无法满足所有的用户,但是确定恰当的工具组合又是困难的。首先,需要决策支持的端用户比以往大大增加;第二,技术进步已经给决策支持平衡(如,OLAP,Internet启动的应用程序,是数据可视化等)带来新的分析标准和复杂程度。这样以来,如何实施决策支持策略为用户提供合适的访问和分析功能呢? PLATINUM technology公司认为,两个基本点是最重要的:
以用户为核心 从你的用户出发,他们是什么样的用户,他们需要什么呢?查看数据仓库不是用你所投入的,而是用户需要得到的———回答他们的问题以便他们作更详尽的决策。这是真正的ROI(投资回报)的组成部分。不仅要了解用户需要什么样的信息,还要知道用户想如何查看它,接受它和按时分析该信息。
不限于工具
不仅提供工具,还提供其它的产品。对用户来说,决策支持元件是数据仓库最简单的可见部分。实际上,对许多用户来说,它就是数据仓库。因此,决策支持策略不仅是提供工具或应用程序———还提供环境。
基于以上考虑,PLATINUM technology公司为决策支持提供以下咨询服务:
决策支持规划
提供成功的决策支持的困难是创建一个适合决策支持的环境而不是收集工具。PLATINUM technology的Deision Support Planning产品设计通过提供一个用于了解组织里所有用户的要求帮助企业组织定义该决策支持环境。PLATINUM technology将帮助你全面了解企业的决策支持用户及其需求,制定一个集成式的策略。结果毋需太多的工具就可以保证满足你的决策支持需求。
决策支持样板
利用数据仓库,业务大宗买进是成功的关键,并且充分理解价值意义后,就更容易达到目的。PLATINUM technology的decision Support Prototype可以帮助你通过建立一个决策支持工作模型说明决策支持的价值。PLATINUM technology将帮助你把样本决策支持需求映射到decision Support Dashboard,这样快速有效地说明用于访问和分析数据的决策支持功能如何能够提高你的用户制定更详尽决策的能力。
OLAP实施
决策支持的一个日益流行和重要的类型是联机分析处理。OLAP给端用户提供以实时的方式多角度不同详细程序地查看大量的信息的能力。但是实施OLAP功能的工作是复杂的———成功取决于多种不同的因素,包括基本数据库模式的有效性PLATINUM technology能够帮助你利用我们的OLAP实施工具成功地实施OLAP功能。PLATINUM technology协助你定义端用户的OLAP要求,设施和实施相应的数据库模式,以及开发前端分析。
EIS实施
许多决策支持用户都有自己特有而又必须回答的问题,但是他们缺少一个获得答案的定位容易的格式。这些用户正在寻找一个执行信息系统(EIS),而PLATINUM technology能够帮助你开发这样一个系统满足用户的需求。PLATINUM technology将协助你定义EIS的要求,规划和实施基本数据结构,以及更重要的是,帮助开发前端应用程序引导用户解决问题。
查询&报表实施
因为许多的决策支需要是特定的,所以从数据仓库获取更多价值的最简单方法是保证你的端用户拥有高效,强健特定的查询和报表程序功能。PLATINUM technology可以协助你评估你的端用户的特定的查询和报表城求,设计和实施相应的数据集市和配置前端的查询和报表机制。
数据可视化实施
图形和其他数据可视化显示并不新厅。但是,使用3D方式建造的图表类型显示千兆字节的数据以及在表格和图形之外创建新的数据图形显示是新颖的。数据可视——当出现在用户头脑中就建立内部的数据显示的方法,使羰用户经更形象的方式寻找,查看和分析大量的数据。从把静态的报表转换为图形显示到向一个EIS应用可视功能,数据可视化是决策支持的强大工具。不论偿是想把数据可视化功能融入预先存在的决策支持解决方案中,还是使用数据可视开发一个新的解决方案,PLATINUM technology都能给予帮助。PLATINUM technology的Data Visualization(数据可视化)产品将帮助你定义端用户的要求并把这些转变为图形显示。
决策支持工具集成
虽然决策支持不局限于工具,但是工具仍是一个有价值的基础。如果你已经选择了PLATINUM technology的决策支持产品,PLATINUM technology可以帮助你实施和集成这些工具形成一个全面的决策支持解决方案。
为元数据管理提供咨询服务
元数据管理是我们用以了解我们有什么信息,信息在什么地方,以及整个企业组织如何利用信息的管理方式,更简单明了说,是我们如何有效地按时管理信息管理环境。虽然该行业多多少少承认元数据的重要必,但没有几个企业组织知道其中的原因和如何对它实施管理。PLATINUM technology的信息管理咨询专家能够助一臂之力。PLATINUM technology的咨询专家在信息管理环境上集中解决元数据管理功能的两个关键构件:端用户的路由图和信息管理“布线”图。PLATINUM technology认为,元数据对于两方面是非常重要的:
l 端用户路由图 在访问方便的格式里没有足够的元数据,数据仓库的端用户就不能有效开发利用数据仓库,创建查询程序和正确说明解释他们找到的数据。端用户必须了解在数据仓库里有什么数据,数据来源何处。通过给他们提供可在数据仓库使用的高水平的源域和主题的数据库存清单,端用户可以深入分析单个元素的定义,业务内容和有效价值以及使用规则。
l 信息管理“布线”图 数据仓库处理十分复杂——涉及到几个数据源,要求制定几个提取和转换数据的方案程序和产生多个时间相关的作业流。通过有效的元数据管理使该处理工作文件化和得到交流至关重要。数据仓库的开发者使用该元数据促进了将士煌数据仓库开发,并且根据不断变化的要求管理数据仓库处理过程。
使用元数据,数据仓库开发者可以确认哪一个数据结构,数据集市,转换程序等需要根据后端系统或数据仓库本身的变化得到调整。

PLATINUM technology提供元数据管理咨询服务:

元数据管理计划
元数据已经被广泛认为是许多IT首创方案的一个重要的成功因素,从管理诸如数据仓库的复杂的技术环境到向开发者和端用户同时传送数据可用性。但是元数据管理首创方案只有在得到期望的支持时才有可能成功。因为元数据是一项支持技术,所以如果得不到任何支持,那么工作努力就会付诸东流。PLATINUM technology的元数据管理计划产品将帮助你在你的战略性IT方案和元数据管理的收益之间确定一个集成点,这样以来不可缺少的功能都得到实施。
数据合理化
虽然每一个企业组织在数据上都有一个固定的投资,但是大多数的组织在取得该项投资的价值上都有困难。这些企业的困难在于了解他们有什么数据以及数据所在的位置,他们被广泛扩大的数据冗余弄得焦头烂额。例如,相同的业务信息用多个物理名储存在多个地方并不少见。甚至更令人迷惑不解的是那些相同命名的数据所指代的业务信息却不相同。如果这一切听起来耳熟,那么PLATINUM technology的Data Rationalization(数据合理化)产品能够帮助你迎刃而解。PLATINUM technology将帮助你确认对你的业务来说是重要的信息,使用储存库技术把它们映射到相应的物理位置,这样你就可以从容处理有关数据。最后,你将得到你有什么数据,它们储存在什么地方,内容是什么的数据库存清单,结果数据冗余得到消灭,新的应用程序开发就更容易。
端用户元数据管理
在访问方便的格式里没有足够的地数据,数据仓库的端用户有就不能有效开发利用数据仓库,创建查询程序和正确说明解释他们找到的数据。端用户必须了解在数据仓库里有什么数据,数据来源何处等问题。PLATINUM technology的End-Use Metadata Management(端用户元数据管理)通过给端用户提供可在数据仓库使用的高水平的源域和主题的数据库存清单,可以帮助端用户解决上述困难。端用户掌握深入分析单个元素的定义,业务内容和有效价值以及使用规则的能力后,他们可以在数据仓库内有效地访问和应用信息。
数据仓库映射管理
数据仓库处理十分复杂——涉及到几个数据源,要求制定几个撮和转达换数据的方案程序和产生多个时间相关的作业流。通过有效的元数据管理使该处理工作文件化和得到交流至关重要。数据仓库的开发者使用该元数据促进了将来的数据仓库开发,并且根据不断变化的要求管理数据仓库处理过程。在变化影响数据仓库环境和/或促进新的数据仓库开发时,PLATINUM technology的Data Warehouse Mapping Management(数据仓库映射管理)产品将帮助你为维护功能提供文件和实施手段,让元数据开发者对影响程度进行分析评估。
参考数据管理
大多数的企业组织发现实现企业报告或集成独立的数据集市的主要难题是缺少标准化的参照数据。单个独立的业务单位或数据集市可能使用不同的有时候甚至重复的编码和业务规范,最后是数据集市有多个事实版本或报告,关键的业务信息可能被多计一倍。结果,PLATINUM technology提供Reference Data Management(参照数据管理)产品帮助你建立一个标准化的基础设施,及时管理参照数据。无论是用业集成多个数据集市还是启动企业的报表程序,Reference Data Management都将帮助你保证得到一个单一的事实文本。
储存库工具集成
无论是购买还是室内开发,储存库是任何元数据管理计划的一个成功关键。如果佻已经选择PLATINUM technology,我们将帮助你实施和集成这些工具形成一个全面的元数据管理解决方案。

如果您希望与本文章的作者或其所在机构,进一步交流,请联系:畅享网 姜小姐
jill.jiang@amteam.org | 021-51096826-102 | 在线联系
涂子沛

一幅好的数据图像不仅能有效地传达数据背后的知识和思想,而且华美精致,如一只只振动翅膀的彩蝶,栩栩如生。

罗永辉

商业智能已经在实现着三个转变:从数据驱动转向业务驱动、从关注技术转向关注应用、从关注工具转向关注工具产生的绩效。