Przedsi¿biorstwa stoj¿ przed wyzwaniem, jakim jest konieczno¿¿ elastycznej i wydajnej analizy coraz wi¿kszych ilo¿ci danych, aby móc na bie¿¿co rozpoznawä trendy i ryzyka maj¿ce kluczowe znaczenie dla sukcesu oraz odpowiednio na nie reagowä. Korporacyjne hurtownie danych stanowi¿ techniczne rozwi¿zanie tego wyzwania. W niniejszej pracy przeanalizowano metody modelowania, które mo¿na wykorzystä do stworzenia korporacyjnej hurtowni danych, maj¿c na celu wskazanie zalet i wad poszczególnych metod oraz sformu¿owanie na tej podstawie zalece¿ dla praktyki. W tym celu, na podstawie przyk¿adowej bazy danych, dokonano systematycznego porównania klasycznych podej¿¿ modelowych z stosunkowo now¿ metod¿ modelowania Data Vault. Porównanie opiera si¿ na wcze¿niej ustalonych kryteriach. Najpierw omówiono ró¿ne wymagania i warunki ramowe poszczególnych podej¿¿. Nast¿pnie przyk¿adow¿ baz¿ danych zamodelowano i zaimplementowano równolegle przy u¿yciu metody klasycznej oraz Data Vault. Na koniec zebrane w ten sposób wnioski poddano ocenie w oparciu o kryteria zdefiniowane na pocz¿tku. Podsumowanie oraz perspektywy dotycz¿ce aspektów, które nale¿y uwzgl¿dni¿ w przysz¿o¿ci, dope¿niaj¿ niniejsz¿ prac¿.
Prijshistorie
* Prijshistorie bevat geen data van Amazon, Amazon Marketplace.
Prijzen voor het laatst bijgewerkt op: