動態(tài)數據倉庫發(fā)展演變的五個階段

申請免費試用、咨詢電話：400-8352-114

最成功的數據倉庫都是以循序漸進的方式逐步發(fā)展起來的，它的每一次發(fā)展都提高了信息的商業(yè)價值。近年來，數據倉庫已經發(fā)展到能支持企業(yè)決策，甚至支持企業(yè)合作伙伴和客戶的新高度。
早先，數據倉庫只為企業(yè)內部高層的某些領域提供戰(zhàn)略決策能力，如市場營銷、戰(zhàn)略策劃和財務。數據倉庫提供的信息極大地改善了這些部門的決策質量。然而，在當今競爭異常激烈的商業(yè)環(huán)境中，優(yōu)秀的戰(zhàn)略僅僅是成功的諸多要素之一。若不能付諸有效的實施，任何戰(zhàn)略都將是一紙空文。
新一代的數據倉庫應用不僅改善了企業(yè)戰(zhàn)略的形成，更重要的是發(fā)展了戰(zhàn)略的執(zhí)行決策能力。本文討論數據倉庫的五個發(fā)展演變階段，這也是企業(yè)內部決策支持走向成熟的五個階段。

第 1 階段：報表
最初的數據倉庫主要用于企業(yè)內部某一部門的報表。數據倉庫把機構內不同來源的信息集成到一個單一的倉庫中，就可以為公司跨職能或跨產品的決策提供重要參考。在大多數情況下，人們事先已對報表中涉及的問題有所了解。因此，數據庫的結構可根據問題的要求進行優(yōu)化，即使數據查詢人員要求訪問的信息量極其巨大，處理這些資料的效率仍然可以很高。
構建第一階段的數據倉庫所面臨的最大挑戰(zhàn)是數據集成。傳統(tǒng)的計算環(huán)境經常有上百個數據源，每一數據源都有獨特的定義標準和基本的實施技術。要對這些放在不同生產系統(tǒng)之中、不具備一致性的數據進行清洗，建立一致性的數據存儲庫是非常具有挑戰(zhàn)性的。
本階段所建立的優(yōu)化集成信息是給決策者使用的，同時也為以后數據倉庫的發(fā)展奠定了基礎。
第2 階段：分析
在數據倉庫應用的第二階段，決策者關心的重點發(fā)生了轉移——從“發(fā)生了什么”轉向“為什么會發(fā)生”。分析活動的目的就是了解報表數據的涵義，需要對更詳細的數據進行各種角度的分析。第二階段的數據倉庫對數據庫要提交的問題事先一無所知，采用的方法主要是隨機分析。其中的性能管理依賴于關系型數據庫管理系統(tǒng)（RDBMS）的先進優(yōu)化功能，因為這與純報表環(huán)境不同，信息查詢的結構關系是無法預知的。
第二階段的數據倉庫應用中，由于信息庫的應用具有很高的交互性，所以性能問題非常重要。報表一般是根據業(yè)務日程安排定期提供的，而隨機分析基本上是在交互環(huán)境中反復提出并不斷優(yōu)化問題的操作。業(yè)務用戶希望通過圖形用戶界面（GUI）直接訪問數據倉庫，不希望有編程人員作為中介。支持數據倉庫的并發(fā)查詢及大批量用戶，這是第二階段應用的典型特征。
業(yè)務用戶往往非常沒有耐心，所以必須建立聯(lián)機分析處理（OLAP）環(huán)境，向下挖掘的反應時間以秒或分鐘來計算。采用索引和復雜的表連接技術，使得數據庫優(yōu)化器可以找到高效率的訪問路徑。所以，優(yōu)化器技術對于在可接受的響應時間內靈活地存取信息至關重要。
第 3 階段：預測
當一個公司決策過程得到量化以后，對經營動態(tài)的情況以及這種情況為什么發(fā)生都會有所體驗，下一步就是要將信息用于預測了。很明顯，掌握公司即將發(fā)生的動向意味著更為積極地管理和實施公司戰(zhàn)略。數據倉庫發(fā)展的第三階段就是提供數據采集工具，以便利用歷史資料創(chuàng)建預測模型。
利用預測模型進行高級分析的最終用戶為數不多，但建模及評測的工作量極大。一般而言，建模需要用數百種復雜方法度量幾十萬（或更多）的觀察數據，以便形成適合于一組特定商業(yè)目標的預測算法。評測也常常被用于大量（數百萬）的觀察數據，因為需要對整體進行評測，而不是對建模所用的少量數據進行評測。
為了得到所需的預測特性，高級數據分析通常要應用復雜的數學函數（如對數、指數、三角函數和復雜的統(tǒng)計函數）。對算法的預測效果而言，獲取詳細數據是非常重要的。一些工具（如SAS和Quadstone）為開發(fā)復雜模型提供了框架，不過它要求直接訪問數據倉庫關系結構中所存儲的信息。面對此類應用，您必須考慮數據倉庫的能力！少數用戶可能在高峰期輕易地消耗掉數據倉庫平臺上50% 或者更多的資源。資源消耗之所以這樣巨大，原因在于數據訪問過程復雜，而且數據處理量很大。
第 4 階段:營運導向
數據倉庫演變的第4階段是動態(tài)數據倉庫。第1到第3階段的數據倉庫都以支持企業(yè)內部戰(zhàn)略性決策為重點，第4階段則重在戰(zhàn)術性決策支持。數據倉庫對戰(zhàn)略性決策的支持是為企業(yè)長期決策提供必需的信息，包括市場細分、產品（類別）管理戰(zhàn)略、獲利性分析、預測和其他信息。戰(zhàn)術性決策支持的重點則在企業(yè)外部，為執(zhí)行公司戰(zhàn)略的員工提供支持。
一般而言，數據倉庫的“運作”是指為現(xiàn)場當時決策提供信息，例如及時庫存補給、包裹發(fā)運的日程安排、路徑選擇等。許多零售商都傾向于由供貨方管理庫存，自己則擁有一條零售鏈和眾多作為伙伴的供貨廠商，其目的是通過更有效的供貨鏈管理來降低庫存成本。為了使這種合作獲得成功，他就必須向供貨商提供有關銷售、促銷推廣、庫內存貨等詳細信息的知情權，之后便可以根據每個商店和每個單品對庫存的要求建立并實施有效的生產和交貨計劃。為了保證信息確實有價值，必須隨時刷新信息，并對查詢做出非?？斓捻憫?以貨運為例，統(tǒng)籌安排貨運車輛和運輸路線，這需要進行非常復雜的決策。常常需要將一輛卡車上的部分貨物轉移到另一輛車上，即重新進行配載，以便以最高的整體效率送抵各自的目的地。當某些卡車晚點時，就要做出艱難的決定:是讓后繼的運輸車等待遲到的貨物，還是讓其按時出發(fā)。如果后繼車輛按時出發(fā)而未等待遲到的包裹，那么遲到包裹的服務等級就會大打折扣。反過來說，等待遲到的包裹則將損害在后繼運輸車上其他待運包裹的服務等級。
運輸車究竟等待多長時間，取決于需卸裝到該車輛的所有延遲貨物的服務等級和已經裝載到該車輛的貨物的服務等級。很顯然，第二天就應該抵達目的地的貨物和數天后才需抵達目的地的貨物，二者的服務等級及其實現(xiàn)難度是大不相同的。此外，發(fā)貨方和收貨方也是決策考慮的重要因素。對企業(yè)盈利十分重要的客戶，其貨物的服務等級應該相應提高，以免因貨物遲到破壞雙方關系。延誤貨物的運輸路線、天氣條件和許多其他的因素也應予以考慮。能夠在這種情況下作出明智的決策，相當于解決了一個非常復雜的優(yōu)化問題。
顯而易見，零擔散貨部經理應在先進決策支持功能的幫助之下，有效地提高其計劃和路徑選擇的決策質量。更重要的是，若要實現(xiàn)數據倉庫的決策功能，作為決策基礎的信息就必須保持隨時更新。這就是說，為了使數據倉庫的決策功能真正服務于日常業(yè)務，就必須持續(xù)不斷獲取數據并將其填充到數據倉庫中。戰(zhàn)略決策可使用按月或周更新的數據，但以這種頻率更新的數據是無法支持戰(zhàn)術決策的。此時，查詢響應時間必須以秒為單位來衡量，才能滿足作業(yè)現(xiàn)場的決策需要。
第 5 階段：動態(tài)性
動態(tài)數據倉庫在決策支持領域中的角色越重要，企業(yè)實現(xiàn)決策自動化的積極性就越高。在人工操作效果不明顯時，為了尋求決策的有效性和連續(xù)性，企業(yè)就會趨向于采取自動決策。在電子商務模式中，面對客戶與網站的互動，企業(yè)只能選擇自動決策。網站中或ATM系統(tǒng)所采用的交互式客戶關系管理（CRM）是一個產品供應、定價和內容發(fā)送各方面都十分個性化的客戶關系優(yōu)化決策過程。這一復雜的過程在無人介入的情況下自動發(fā)生，響應時間以秒或毫秒計。
隨著技術的進步，越來越多的決策由事件觸發(fā)，然后自動發(fā)生。例如，零售業(yè)正面臨電子貨架標簽的技術突破。該技術的出現(xiàn)廢除了原先沿用已久、通過手工更換的老式標簽。電子標簽可以通過計算機遠程控制來改變標價，無需任何手工操作。電子貨架標簽技術結合動態(tài)數據倉庫，可以幫助企業(yè)按照自己的意愿，實現(xiàn)價格管理自動化；對于庫存過大的季節(jié)性貨物，這兩項技術會自動實施降價策略，以便以最低的邊際損耗售出最多的存貨。降價決策在手工定價時代是一種非常復雜的操作，往往代價高昂，超過了企業(yè)的承受能力。帶有促銷信息和動態(tài)定價功能的電子貨架標簽，為價格管理帶來了一個全新的世界。而且，動態(tài)數據倉庫還允許用戶采用事件觸發(fā)和復雜決策支持功能，以最佳方案逐件貨品、逐家店鋪作出決策。在 CRM 環(huán)境中，利用動態(tài)數據倉庫，根據每一位客戶的情況做出決策都是可能的。
激烈的競爭形勢和日新月異的技術革新推動了決策技術的進步。動態(tài)數據倉庫可以為整個企業(yè)提供信息和決策支持，而不只限于戰(zhàn)略決策過程。然而，戰(zhàn)術決策支持并不代能替戰(zhàn)略決策支持。確切地說，動態(tài)數據倉庫同時支持這兩種方式。有了第4和第5階段數據倉庫的營運導向和事件觸發(fā)決策支持，我們在第1～3階段按照傳統(tǒng)數據倉庫分析而特別開發(fā)的戰(zhàn)略就能夠得以執(zhí)行。
結 論
動態(tài)數據倉庫的應用是一個逐漸演進的過程。我們并不主張從第1階段直接跳到第5階段。有效的風險管理應當基于整合形成的單一數據源的傳統(tǒng)數據倉庫應用。當數據倉庫進步到具有戰(zhàn)略決策支持功能時，必然會提出戰(zhàn)術決策的更高要求。動態(tài)數據倉庫如果能用于整個企業(yè)，其商業(yè)價值會大大增加。向整個企業(yè)中成千上萬決策者（甚至通過CRM 的應用，客戶也可參與決策）提供信息，將給企業(yè)的業(yè)務發(fā)展帶來巨大的優(yōu)勢。不過，這將要求更先進的數據倉庫建造方案。一個可擴展、高性能、高可用性和快速數據更新能力等各方面都能達到頂級服務水平的數據倉庫已經離我們不遠了。

作者簡介：
Stephen Brobst 是NCR Teradata 事業(yè)部的首席技術官，專門研究數據倉庫和客戶關系管理解決方案等特大數據庫實施。
Joe Rarey 是戰(zhàn)略技術及系統(tǒng)公司的首席顧問，專為《財富》世界500強企業(yè)的數據倉庫提供高端系統(tǒng)集成服務

(chinabi)