Integrieren Big Data mit dem traditionellen Data Warehouse

Während die Welt der großen Daten und das traditionelle Data-Warehouse wird schneiden, sind sie wahrscheinlich nicht in absehbarer Zeit zu verschmelzen. Denken Sie an ein Data Warehouse als Datensatzsystem für Business Intelligence, ähnlich wie ein Customer Relationship Management (CRM) oder Abrechnungssystem. Diese Systeme sind sehr strukturiert und für spezielle Zwecke optimiert. Darüber hinaus neigen diese Systeme von Rekord stark zentralisiert sein.

Das Diagramm zeigt eine typische Ansatz für das Datenströme mit Lagerhallen und Marts:

Unternehmen werden zwangsläufig weiterhin Lager zu verwenden, um Daten, die Art von strukturierten und Betriebsdaten zu verwalten, die Systeme der Aufzeichnung charakterisiert. Diese Data Warehouse liefert immer noch Business-Analysten mit der Fähigkeit, wichtige Daten zu analysieren, Trends, und so weiter. Allerdings ist das Aufkommen der großen Daten sowohl die Rolle des Data Warehouse eine Herausforderung und einen komplementären Ansatz bieten.

Denken Sie an die Beziehung zwischen dem Data-Warehouse und großen Daten als Verschmelzung eine Hybridstruktur zu werden. In diesem Hybridmodell bleibt das hochstrukturierte optimierte Betriebsdaten im dicht Data Warehouse gesteuert, während die Daten, die stark verteilt und unterliegen in Echtzeit zu ändern, indem ein Hadoop-basierten (oder ähnlich NoSQL) Infrastruktur gesteuert wird.

Es ist unvermeidlich, dass die operative und strukturierte Daten werden in der Welt der großen Daten zu interagieren, wobei die Informationsquellen haben nicht (unbedingt) gereinigt worden oder profiliert. Immer mehr Organisationen zu verstehen, dass sie eine Geschäftsanforderung Lager traditionellen Daten zu kombinieren mit ihren historischen Geschäftsdatenquellen in der Lage sein, mit weniger strukturierten und großen Datenquellen geprüft. Ein Hybrid-Ansatz traditionellen und großen Datenquellen unterstützen kann helfen, diese Geschäftsziele zu erreichen.