Data Warehouse สถานที่ในการจัดเก็บข้อมูลต่างๆ โดยจัดเก็บในระบบ Database เพื่อประโยชน์2 ประการคือ
1. ข้อมูลที่ได้เป็นระบบ รวดเร็วและทันต่อการใช้งาน
2. ข้อมูลถูกรวบรวมไว้ในที่เดียวกันทำให้ผู้ใช้งานสามารถเข้าถึงข้อมูลได้ง่ายขึ้น
ลักษณะของ Data Warehouse
1. Organization กระบวนการในการกรองข้อมูลจากแหล่งข้อมูลต่างๆ เข้าไปยังระบบโดยแบ่งข้อมูลต่างๆ ตามsubject
2. Consistency กระบวนการในการคัดกรองข้อมูลให้ข้อมูลมีรูปแบบตรงกัน อัพเดตตรงกัน เพื่อป้องกันไม่ให้มีความซ้ำซ้อน หรือผิดพลาดในการวิเคราะห์
3. Time Variant กระบวนการจัดเก็บข้อมูล 5 – 10 ปี ทำให้สามารถวิเคราะห์ถึงแนวโน้ม (Trend) ที่อาจจะเกิดขึ้นในอนาคต
Data Warehouse Processing
1. รวบรวมข้อมูล จากทั้งภายในองค์กรและ ภายนอกองค์กร
2. ทำ Meta Data- นำข้อมูลที่รวบรวมสร้างข้อมูลของข้อมูลที่ใช้สำหรับอธิบายข้อมูลต่างๆ ด้วยวิธีการ Extract
3. ทำ Data Staging - จัดระบบข้อมูล และสร้างเป็น Data Cube ซึ่งประกอบไปด้วย 4 ขั้นตอน ได้แก่ Extract, Clean, Transform และ Load (ETL)
4. สร้าง Data Warehouse – นำข้อมูลมาทำ Data Warehouse โดยยึด Business Object เป็นหลัก
5. สร้าง Business View – การนำเสนอข้อมูลสำหรับผู้บริหาร ในรูปแบบของ Dash
The Data Mart เสมือนหน่วยย่อยของแต่ละแผนกของ data warehouse เกิดจากการตัดแบ่งข้อมูลตามความต้องการของผู้ใช้ในแต่ละแผนกออกมาเป็นส่วนย่อยๆ เพื่อให้เหมาะสำหรับองค์กรขนาดใหญ่ที่มีแผนก หรือหน่วยงานย่อยจำนวนมาก แบ่งเป็น
1. Replicated (dependent) data marts แต่ละส่วนงานก็มาแยกข้อมูลมาทำ mart เฉพาะส่วนของตนเอง
2. Stand – alone data marts ทำเฉพาะ marts ในส่วนงานที่พร้อมไปก่อน เมื่อแต่ละส่วนงานพร้อมแล้วค่อยเอามารวมเป็น Enterprise
Data Cube คือ Multidimensional Databases เพื่อให้มองภาพของข้อมูลนั้นได้หลายมิติมากขึ้น คือ จะสามารถตัดข้อมูลเป็นแต่ละส่วนเพื่อเลือกส่วนของข้อมูลที่ต้องการวิเคราะห์ได้ ทำให้เห็นหลายมิติ หลายมุมมองมาก
Business Intelligence
การรวมกันของโครงสร้างระบบ เครื่องมือต่าง ฐานข้อมูลและ Application ที่ช่วยในการวิเคราะห์ข้อมูลให้มีประสิทธิภาพประกอบไปด้วย 3 องค์ประกอบ
1. Reporting and Analysis
· Enterprise Reporting System การจัดทำรายเป็นข้อมูลที่เตรียมให้สำหรับผู้บริหารนำไปใช้ในการวิเคราะห์
· Dashboards การรายงานข้อมูล Visual Display
· Scorecard เป็นรายงานสำหรับผู้บริหารในระดับ strategic เป็นกระบวนการสำหรับการตรวจสอบและควบคุม
2. Analytics กระบวนการวิเคราะห์ข้อมูลที่ได้จากแหล่งต่างๆ เช่น Online Analytical Processing (OLTP)
3. Data Mining การแยกข้อมูลเพื่อพยากรณ์แนวโน้มที่อาจจะเกิดขึ้น หรือการค้นหาข้อมูลที่เป็นประโยชน์ในอดีต โดยทำกับบริษัทที่มี Database ขนาดใหญ่ เริ่มต้นที่ การรวบรวมข้อมูลจากที่ต่างๆ ทั้ง Warehouse และแหล่งอื่น แล้วทำ ECTL (Extract, Clean, Transform, Load) จากนั้นนำมาวิเคราะห์และประมวลผล แล้วนำไปแปรผลข้อมูล เพื่อให้สามารถนำไปใช้ได้ง่ายยิ่งขึ้น
รูปแบบของ Data Mining
1. Clustering ข้อมูลที่มีความสัมพันธ์กันเอง
2. Classification ข้อมูลตามสมมติฐาน
3. Association ผลจากการวิเคราะห์
4. Sequence discovery ผลที่เกิดมาตามหลัง
5. Prediction ผลที่ใช้สำหรับการคาดการณ์
