Traditionelle Data Warehousing Analysemittel Traditionelle Datentypen

Wenn für Data-Warehousing-Planung, denken Sie daran, dass die Datenlandschaft heute nun eine verwirrende Anzahl von neuen Informationskanäle, neue Datenquellen und neue Analyse- und Reporting-Erfordernisse umfasst.

Laut Analyst Gruppen, fast 80 bis 85 Prozent der heutigen Daten ist unstrukturiert und neue Informationskanäle wie Web, E-Mail, Voice over IP, Instant Messaging (IM), SMS und Podcasts erstellen schnell große Geschäfte von nicht-traditionellen Daten. Die Daten aus jeder dieser Quellen werden von den Benutzern angefordert werden, um in die Data Warehouse integriert werden.

ein außergewöhnliches, state-of-the-art-Data Warehouse, Business Intelligence-Funktionalität hat wahrscheinlich gewesen beschränkt sich auf diese Art von Daten, es sei denn, Sie haben verwendet:

• Nummern: Numerische Daten in der technischen Form von ganzen Zahlen und Dezimalzahlen

• Text: Zeichendaten, in der Regel mit fester Länge alphanumerische Informationen, die als selten mehr ist etwa 255 Zeichen pro Ereignis, obwohl (sehr selten), es könnte bis zu 4.000 Zeichen gehen

• Termine und Zeiten: Entweder aktuelle Datum und die Uhrzeit oder, wahrscheinlicher, Datumsbereiche (wie etwa ein Monat und Jahr, für die Produktverkäufe gruppiert und gespeichert werden)

Das ist alles.

Um fair zu, Data Warehousing in seiner ursprünglichen Inkarnation sein, als Aufbewahrungsort für Informationen aus Legacy-Anwendungen erstellt Berichte und Analysen zu unterstützen, hat nichts anderes als diese traditionellen Datentypen benötigt. Diese traditionellen Datentypen bilden die Basis von strukturierten Daten verwaltet von Datenbanken, zu den beliebtesten relationalen Datenbanken oder multidimensionale Datenbanken.

Sie wissen, was Bob Dylan sagte über die Zeiten und wie sie sich verändern.