انبار داده (Data Warehouse) به چه معناست؟

داده‌خانه، یک مخزن مرکزی اطلاعات است که می‌توان آن‌را تحلیل کرد تا تصمیمات آگاهانه‌تری اتخاذ شود. درهمین حال، داده‌ها به‌طور منظم از سیستم‌های تراکنشی، پایگاه‌های داده (دیتابیس) رابطه‌محور و دیگر منابع به داده‌خانه وارد می‌شوند. تحلیل‌گران کسب‌وکار، مهندسان داده، دانشمندان داده و تصمیم‌گیرندگان نیز ازطریق ابزارهای هوش تجاری (BI)، کلاینت‌های SQL و دیگر برنامه‌های تحلیلی به این داده‌ها دسترسی پیدا می‌کنند.

گفتنی است که داده و تحلیل به ابزاری ضروری برای کسب‌وکارها تبدیل شده‌اند تا بتوانند رقابتی باقی بمانند. برای این منظور، کاربران کسب‌وکار به گزارش‌ها، داشبوردها و ابزارهای تحلیلی برای استخراج بینش‌ها از داده‌های خود، نظارت بر عملکرد کسب‌وکار و پشتیبانی از تصمیم‌گیری تکیه می‌کنند. داده‌خانه‌ها نیز این گزارش‌ها، داشبوردها و ابزارهای تحلیلی را با ذخیره‌سازی کارآمد داده‌ها تأمین می‌کنند تا ورودی و خروجی داده (I/O) را به حداقل برسانند و نتایج پرس‌وجو را به‌سرعت به صدها و هزاران کاربر به‌طور هم‌زمان ارائه دهند.

معماری داده‌خانه چگونه است؟

معماری داده‌خانه از چند لایه تشکیل شده است. لایه بالایی، کلاینت فرانت‌اند (Front-End client) است که نتایج را ازطریق ابزارهای گزارش‌گیری، تحلیل و داده‌کاوی ارائه می‌دهد. لایه میانی شامل موتور تحلیلی است که برای دسترسی و تحلیل داده‌ها استفاده می‌شود. لایه پایینی معماری، سرور دیتابیس است که داده‌ها در آن بارگذاری و ذخیره می‌شوند. بر این اساس، داده‌ها به دو روش مختلف ذخیره می‌شوند: نخست، داده‌هایی که به‌طور مکرر در دسترس قرار می‌گیرند در فضای ذخیره‌سازی بسیار سریع مانند درایوهای SSD، ذخیره می‌شوند و دوم این‌که داده‌هایی که به‌ندرت نیاز به دسترسی پیدا می‌کنند در یک فضای ذخیره‌سازی ارزان اشیاء مانند Amazon S3 ذخیره می‌شوند. داده‌خانه همچنین به‌طور خودکار اطمینان حاصل می‌کند که داده‌های مکرر به فضای ذخیره‌سازی «سریع« منتقل شوند تا سرعت پرس‌وجو بهینه شود.

داده‌خانه چگونه کار می‌کند؟

یک داده‌خانه ممکن است شامل چندین پایگاه داده باشد و در هر دیتابیس، داده‌ها در جداول و ستون‌ها سازماندهی می‌شوند. در هر ستون نیز می‌توانید توصیفی از داده‌ها همچون عدد صحیح، فیلد تاریخ یا رشته را تعریف کنید. از سوی دیگر، جداول می‌توانند درون طرح‌واره‌ها (schema) سازماندهی شوند که می‌توانید آن‌ها را در قالب پوشه‌ها تصور کنید. هنگامی که داده‌ها وارد می‌شوند، آن‌ها در جداول مختلفی که توسط طرح‌واره توصیف شده‌اند، ذخیره می‌شوند. ابزارهای پرس‌وجو از طرح‌واره برای تعیین این‌که کدام جداول داده باید در دسترس باشند و تحلیل شوند، استفاده می‌کنند.

مزایای استفاده از داده‌خانه چیست؟

مزایای داده‌خانه شامل موارد زیر است:

• تصمیم‌گیری آگاهانه،
• داده‌های تجمیع‌شده از منابع متعدد،
• تحلیل داده‌های تاریخی،
• کیفیت، انسجام و دقت داده‌ها،
• جداسازی پردازش تحلیلی از پایگاه‌های داده تراکنشی که عملکرد هر دو سیستم را بهبود می‌بخشد.

چگونه داده‌خانه‌ها، دیتابیس‌ها و دریاچه‌های داده با هم کار می‌کنند؟

معمولا کسب‌وکارها از ترکیبی از پایگاه داده، دریاچه داده و داده‌خانه برای ذخیره و تحلیل داده‌ها استفاده می‌کنند. معماری لیک‌هاوس Amazon Redshift این ادغام را آسان می‌کند. درهمین حال، با افزایش حجم و تنوع داده‌ها، پیروی از یک یا چند الگوی مشترک برای کار با داده‌ها در پایگاه داده، دریاچه داده و داده‌خانه‌ شما مفید است.

تصویر (بالا): داده‌ها را در یک پایگاه داده یا دریاچه داده بارگذاری و داده‌ها را آماده کنید، داده‌های انتخاب شده را به یک داده‌خانه منتقل کنید و سپس گزارش‌گیری انجام دهید.

تصویر (بالا): داده‌ها را در یک داده‌خانه بارگذاری و تحلیل کنید، سپس داده‌ها را به اشتراک بگذارید تا از آن‌ها در سایر خدمات تحلیلی و یادگیری ماشین استفاده کنید.

گفتنی است که داده‌خانه به‌طور خاص برای تحلیل داده‌ها طراحی شده است که شامل قرائت مقادیر زیادی از داده‌ها برای درک روابط و روندها در داده‌ها می‌شود. دیتابیس نیز برای ضبط و ذخیره داده‌ها مانند ثبت جزئیات یک تراکنش، استفاده می‌شود.

درمقابل، برخلاف داده‌خانه، یک دریاچه داده، یک مخزن متمرکز برای تمام داده‌ها ازجمله داده‌های ساختاریافته، نیمه‌ساختاریافته و غیرساختاریافته است. همچنین، داده‌خانه نیاز دارد که داده‌ها به‌صورت فرمت جدولی سازماندهی شوند که در این‌جا، طرح‌واره وارد عمل می‌شود. براین اساس، فرمت جدولی لازم است تا SQL بتواند برای پرس‌وجوی داده‌ها استفاده شود، اما نه تمام برنامه‌ها نیاز دارند که داده‌ها به‌صورت فرمت جدولی باشند. علاوه بر این، برخی برنامه‌ها مانند تحلیل داده‌های کلان، جستجوی متنی کامل و یادگیری ماشین (ML) حتی اگر «نیمه‌ساختاریافته» یا کاملا «غیرساختاریافته» باشند، می‌توانند به داده‌ها دسترسی پیدا کنند.

چگونه یک مارکت داده‌ با داده‌خانه مقایسه می‌شود؟

یک داده‌مارکت یک داده‌خانه است که نیازهای یک تیم یا واحد کسب‌وکار خاص مانند امور مالی، بازاریابی یا فروش را برآورده می‌کند. این داده‌مارکت، کوچک‌تر، متمرکزتر و ممکن است شامل خلاصه‌هایی از داده‌ها باشد که بهترین خدمت را به جامعه کاربران خود می‌دهد. یک داده‌مارکت همچنین ممکن است بخشی از یک داده‌خانه نیز باشد.