MIDOONY Logo

نتیجه جستجوی «Data_Warehouse» : تعداد (9) مورد یافت شد.

دریاچه داده و انبار داده - تعاریف، معماری، ویژگی ها Data Lake and Data Warehouse

دریاچه_داده (Data Lake) و انبار داده (Data Warehouse ) دو نوع معماری ذخیره داده با ویژگی ها و توانایی های متمایز هستند. انتخاب هر کدام به نحوه استفاده از داده و اهداف سازمان بستگی دارد. اما آنها در یک چیز مشترک هستند، هر دو، داده ها را ذخیره می کنند، ولی نحوه مدیریت داده آنها کاملاً متفاوت است.

1400/09/23

معرفی سیستم های OLTP و OLAP، مشخصات، مزایا و تفاوت ها

OLTP و OLAP دو اصطلاح شبیه به هم هستند اما به انواع مختلفی از سیستم ها اشاره می کنند. پردازش تراکنش آنلاین (OLTP) داده‌های تراکنش‌ها را در زمان واقعی جمع‌آوری، ذخیره و پردازش می‌کند. پردازش تحلیلی آنلاین (OLAP) از پرس و جوهای پیچیده برای تحلیل تاریخچه داده های جمع آوری شده از سیستم های OLTP استفاده می کند.

1400/09/01

مدل سازی ابعادی (بخش سوم - Schemaها) Dimensional Modeling

سه نوع schema برای ساخت مدل ابعادی وجود دارد: شمای ستاره ای (star schema)، شمای دانه برفی (snowflake schema) و شمای چند بعدی (multidimensional schema). برای انتخاب شمای مناسب هنگام ساخت مدل ابعادی، سوالات زیر را مد نظر قرار می دهند: • چه نوع تحلیلی برای داده ها لازم است؟  • نیازها و محدودیت های تحلیلی کدامند؟ • داده های مد نظر برای پرس و جو و تحلیل، چقدر سازگاری دارند؟ • ابزار BI مورد استفاده کدام است؟

1400/08/19

مدل سازی ابعادی (بخش دوم - dimensionها) Dimensional Modeling

بعد (dimension) موجودیتی است که موضوعات کسب و کاری را برای سنجه های (factهای) مورد استفاد سازمان وضع می نماید. ابعاد (dimensions) سوالات چه کسی، چه چیزی، کجا و چرای مدل ابعادی را پاسخ می دهند و ویژگی های مشابه در یک دسته بندی یا ناحیه موضوعی را مشخص می کنند. نمونه هایی از ابعاد عبارتند از محصول، جغرافیا، مشتریان، کارمندان و زمان.

1400/08/17

مدل سازی ابعادی (بخش اول - نمای کلی و factها) Dimensional Modeling

مدل سازی ابعادی (dimensional) هم مانند مدل سازی ER، روشی برای  طراحی منطقی داده ها است. مدل سازی ابعادی برای نرم افزارهای هوش کسب و کار (BI) و انبار داده (DW) بسیار مناسب‌تر است. این روش، فرایندهای کسب و کار را به تصویر کشیده و  داده های آنها را سازماندهی می کند.

1400/08/15

مقایسه Microsoft Power BI و Google Data Studio

Microsoft Power BI و Google Data Studio دو ابزار قوی تحلیل داده هستند که برای مصورسازی داده های خام و پیچیده استفاده می شوند. اما کدام بهتر است؟ تحلیل و مصورسازی داده ها  به گروه های کاری در برنامه ریزی کارها، تهیه پروپوزال پروژه ها و تاثیر روی مشتریان کمک می کند. ابزارهای فوق دو برنامه پرطرفدار برای تحقق این مهارت ها هستند.

1400/08/10

5 ویژگی برای داده ها (THE FIVE Cs OF DATA)

قبل از اینکه یک برنامه BI/DW (هوش کسب و کار / انبار داده) بتواند اطلاعات قابل اقدامی به پرسنل کسب و کار ارائه نماید، داده های کسب و کار باید به شکلی اصلاح شوند.

1400/07/28

چالش های مدیر ارشد داده کدامند ؟

با شکل گیری و ادامه تکامل نقش CDO چالش های زیادی پیش رو قرار می گیرد، ولی عدم ثبات و انتظارات برآورده نشده یرای این نقش که باید با فناوری در حال تغییر، بسرعت همگام شود مشکل مضاعفی می باشد.

1400/06/31

مدیر ارشد داده (Chief Data Officer) کیست و چه مهارت هایی دارد ؟

در ایده آل ترین و چشمگیرترین حالت، مدیر ارشد داده (Chief Data Officer = CDO) کمک می کند داده ها از اقلامی پرهزینه به دارایی هایی با ارزش تبدیل شده و کاربرد آنها از صرفا در عملیات به استفاده استراتژیکی تغییر یابد.

1400/06/21