برخی از فناوری‌ها اعلام می‌شوند که وارد شده‌اند، اما برای سال‌ها و گاهی دهه‌ها متوقف می‌شوند. در فیلم ها، سه بعدی حدود نیم قرن طول کشید تا مورد توجه قرار گیرد. لوازم «هوشمند»، مانند یخچال هایی که موجودی فروشگاه شما را ردیابی می کنند، چیز بزرگ بعدی بودند – یک دهه پیش. لوازم خانگی هوشمند هنوز وجود دارند و همه ما هنوز منتظر محبوب شدن آنها هستیم.
وقتی واقعیت انتظارات را برآورده نمی کند.
در دسته بندی دیر شکوفه ها، هوش تجاری (BI) و انبار داده را می توان به لیست اضافه کرد. در حال استفاده برای بیش از 20 سال، توانایی BI و انبار داده برای ارائه مزایای قابل توجهی برای بسیاری از شرکت ها مبهم باقی مانده است. اگرچه دستیابی به آمار دقیق و سریع دشوار است، اما میزان شکست معمولاً گزارش شده برای پروژه های BI از 50 درصد تا 80 درصد متغیر است.
دنیای فناوری مدت‌هاست درباره پایگاه‌های داده رابطه‌ای صحبت کرده است، اما در انبار داده، اتصال داده‌ها دشوار است، زیرا داده‌ها از منابع بسیار زیادی می‌آیند. نه تنها منابع فراوان هستند، بلکه پروتکل های آنها نیز فراوان است. همانطور که در مقاله Database Trends اشاره شد، هر منبع اغلب مکانیسم های دسترسی، نحو و امنیت خاص خود را دارد.
تبدیل مشکلات به راه حل.
از آنجایی که هم منابع و هم داده های آنها دائماً در حال تغییر هستند، جای تعجب نیست که پروژه های BI اغلب با شکست مواجه می شوند. البته مصرف کنندگان و تامین کنندگان به دنبال راه حل هایی بوده اند، البته با موفقیت محدود. فروشندگان سنتی BI حتی به سمت جلو حرکت کرده اند و به راه حل هایی مانند برنامه های iPad یا ابزارهای مبتنی بر ابر متوسل شده اند. اما در حالی که اینها جدیدترین فناوری ها هستند، اغلب کارآمدتر نیستند زیرا مانند فناوری های قبلی نیاز به استفاده از ذخیره سازی داده دارند که نمی توانند بر معایب آن غلبه کنند.
ابزارهای BI مورد نیاز است که به راحتی (سهولت استفاده کلیدی است) فراتر از انبار داده اصلی گسترش یابد و به کاربران نهایی اجازه دهد تا منابع داده بی شمار را بدون نیاز به تبدیل به موقع ETL و نقشه برداری داده ها در گفتگوی BI ادغام کنند.
به لطف داده ها، نیم مایل در هر گالن افزایش می یابد.
انبار داده بسیار ارزشمند است – یک مرکز کارآمد برای سیستم‌های نرم‌افزاری بزرگ است – اما شناخت محدودیت‌های آن مهم است. به جای تلاش برای حذف استثناها، بهتر است آنها را در نظر بگیرید. اگر این کار را نکنید، همیشه داده های ناقص خواهید داشت و بنابراین تصمیماتی بر اساس اطلاعات ناقص خواهید داشت.
این تغییر با یک شرکت حمل‌ونقل ملی اتفاق افتاد که با استفاده از فناوری تجسم پیشرو، توانست داده‌ها را از SAP، سیستم‌های قدیمی و مایکروسافت بگیرد و به گفته یکی از مدیران شرکت، “آنها را ترکیب کرده و در یک تصویر نشان دهد.”
سود قابل توجهی بود. به جای راه حل معمولی BI، که او آن را “حل مشکل در روز بعد” توصیف کرد، شرکت “حل مشکل در زمان واقعی” را دریافت کرد. این گزارش گزارش داد که بهره‌وری در اسکله‌های کشتیرانی آن 20 درصد بهبود یافته و تحویل به موقع از 97 درصد به بیش از 99 درصد افزایش یافته است. علاوه بر این، رانندگان می‌توانند ببینند که چگونه تکنیک‌های رانندگی خود را بهبود بخشند، که مصرف سوخت را بیش از نیم مایل در هر گالن افزایش داد و در نتیجه صرفه‌جویی در مصرف سوخت بین 12 تا 15 میلیون دلار در سال انجام شد.
چنین نتایجی قدرت BI را هنگامی که به طور موثر اعمال می شود نشان می دهد. شما می خواهید هوش واقعی را در دستان یک کاربر تجاری معمولی قرار دهید. برای انجام این کار، باید به کاربر اجازه دهید داده‌ها را از صفحات گسترده، یک پایگاه داده سفارشی، یک برنامه مبتنی بر ابر – در هر کجا که هستند – وارد کند تا از روی تمام داده‌هایی که دارید تصمیم‌گیری شود.
برای جزئیات بیشتر در مورد مزایا و معایب انبارداری داده و BI، کاغذ سفید کامل را از اینجا دریافت کنید.