Współczesne firmy wyposażone w różne systemy informatyczne typu ERP, CRM, systemy transakcyjne, są zalewane danymi generowanymi w wyniku ich użytkowania. Ogromne ilości danych, arkusze kalkulacyjne jak również dokumenty, zdjęcia, mapy, wykresy, schematy przechowywane w zeszytach, wydrukach, segregatorach. Dane w nieprzetworzonej postaci mogą nie wykazywać zbyt dużej wartości. Właściwą wartość uzyskują wówczas, gdy jesteśmy wstanie w odpowiednim czasie uzyskać z nich informację, która będzie stanowiła wiedzę niezbędną do podjęcia właściwej informacji.
Jakie informacje można uzyskać z danych?
Z danych gromadzonych w systemach bezpośredniego przetwarzania transakcyjnego OLTP ( On-line Transaction Processing), które wspomagają pracowników w codziennej pracy można uzyskać informację dotyczącą aktualnej sytuacji. W zależności od charakteru firmy będą to informacje dotyczące np. ilości niezrealizowanych działań, braków magazynowych, stanu aktualnego działania, ilości klientów czy uzyskamy informację dotyczącą poszczególnych klientów. Takie informacje osiągane są szybko, jednak nie zawsze są wystarczające. Pracownicy najwyższego szczebla: dyrektorzy, kierownicy czy też analitycy oczekują informacji, która pomoże im szybciej i skuteczniej podjąć decyzję. W ich kręgu zainteresowań są informacje typu: jakie usługi/ produkty cieszą się popularnością i jakiego stopnia, czy dane zainteresowanie jest sezonowe, czy ciągłe, jakie są tego tendencje, co wpływa na popularność danego produktu, jaka jest specyfika odbiorcy danego produktu/usługi. W odpowiedzi na te pytania jako pomoc w podejmowaniu decyzji, może się okazać hurtownia danych, która jest:
- zorientowana na temat – dane dotyczą konkretnego tematu (np. sprzedaży) a nie działań ( zbieranie zamówień). Gromadzone dane są pod kontem zadanej analizy biznesowej i zadania analitycznego.
- nieulotna – dane raz umieszczone są uaktualniane o nowe, natomiast nie podlegają zmianom. zintegrowana – wiąże się to z ujednoliceniem danych pochodzących z różnych źródeł: ten sam format daty, takie samo kodowanie znaków, te same pola z informacją są takiej samej postaci.
- zróżnicowane czasowo – dane są gromadzone warstwowo na przestrzeni kilku lat.
Hurtownia danych jest oddzielona od pozostałych systemów transakcyjnych przedsiębiorstwa. Wymaga specjalnej organizacji danych, metod dostępu, oraz metod implementacji. Złożone zapytania OLAP mogą znacznie obciążyć wydajność działań operacyjnych. Tworzenie jej jest przedsięwzięciem kosztownym (specjalnie przeznaczony sprzęt i oprogramowanie), złożonym przedsięwzięciem organizacyjnym i biznesowym. Jednak poniesiony koszt zostaje zwrócony, a uzyskana w ten sposób wiedza przynosi korzyści.
Hurtownia danych spełnia podstawowe cele:
- Wykonanie analiz biznesowych bez ingerencji w systemy transakcyjne. Wiąże się to z możliwością zadawania zapytań wykonujących raporty, a czasochłonne zapytania analiz biznesowych wymagają oddzielnego systemu i oprogramowania by nie spowalniać pracy systemów transakcyjnych.
- Wspomaganie decyzji (DS, Decision Support) – wykonywanie bardzo złożonych analiz, symulacji scenariuszy biznesowych, wspomaganie decyzji biznesowych, połączone może być z zaawansowanymi i zautomatyzowanymi projektami dotyczącymi Odkrywania Wiedzy w Bazach Danych.
- Całościowy wgląd w dane firmy – gromadzenie z różnych miejsc danych firmowych, ich integrowanie i udostępnianie hurtowniom tematycznym, narzędziom OLAP i Data Mining (DM).
- Dostęp do danych historycznych – gromadzone dane są na przestrzeni wielu lat, z uwzględnieniem ich czasu aktualnego ich zaistnienia, co może być istotne w przypadku wymogów prawnych przechowywania danych i udostępniania ich.
- Ujednolicenie posiadanych informacji – poprawne wdrożenie hurtowni danych wymusza ich ujednolicenie, co ułatwia wyliczanie i interpretację wskaźników wynikowych. Zapobiega się tzw. problemowi ‚ wielu wersji prawdy’ – różnic w przygotowanych raportach.
Kiedy używamy hurtowni danych?
Analiza trendów i zachowań. Dokładne prześledzenie dotychczasowych trendów i zachowań, ułatwi podjęcie właściwej decyzji odnośnie np. ceny produktu. Mając do dyspozycji konkretne wyliczenia pochodzące z hurtowni danych, na których można oprzeć swoje założenia, pozwoli uniknąć błędnych decyzji. Możliwość ‚symulacji’ konkretnych sytuacji, umożliwia ich testowanie w systemie wspomagania podejmowania decyzji, aż do momentu optimum osiągnięcia założonego celu. Możliwe jest to dzięki posiadaniu danych historycznych.
Wykrywanie oszustw. Na podstawie danych dostępnych w hurtowni danych można opracować algorytm wykrywania oszustw, a następnie zastosowaniu go w systemach operacyjnych. Tworzone schematy oszustw wykorzystywane są przeważnie w bankach.
Zapobieganiu odejściu klienta. Na podstawie przechowywanych danych możliwe jest zidentyfikowanie klientów, którzy mogą zrezygnować z naszych usług, na tyle wcześniej by spróbować temu zapobiec.
Zarządzanie zasobami. Szczególnie w handlu istotne jest posiadanie właściwych towarów we właściwym miejscu i czasie. Posiadanie zbyt małej ilości może prowadzić do jego braku w chwili gdy klient zamierza go nabyć. Taka sytuacja może prowadzić do przejścia klienta do konkurencji. W zarządzaniu zapasami magazynu istotny jest dostęp do informacji o wzorcach popytu, marginesach zysku i wymagań na powierzchnię magazynową. W celu określenia wzorców sprzedaży produktów, potrzebne są dane sprzedażowe z co najmniej 15-27 miesięcy. Dzięki zrozumieniu wpływu sezonowości i możliwości odniesienia nowych produktów do porównywalnych z przeszłości pozwala na całkowite dokładne przewidywanie przyszłego popytu.
Analiza ryzyka kredytowego. W celu określenia ryzyka związanego z udzieleniem kredytu firmy kredytowej opracowuje modele ilościowe, które opiera się na danych z przeszłości – co pozwala przewidzieć zachowanie się kredytobiorcy podczas spłaty kredytu. Dzięki hurtowni danych można osiągnąć lepsze efekty oceny ryzyka kredytowego.
Długoterminowa ocena wartości klienta. Ocena rentowności klienta może okazać się niewystarczająca, jeśli dotyczy bieżącej chwili. Dużo korzystniejsze może okazać się, jeśli przewidzimy jego długoterminową wartość. Być może obecnie mało dochodowy klient chcący zrezygnować z usług firmy, może w przyszłości okazać się bardziej dochodowy. Zbudowanie w tym przypadku modelu przewidującego długotrwałą ocenę rentowności klienta opiera się na dostępnej w hurtowni danych informacji dotyczącej jego zakupów, ankiet, różnego rodzajach kontaktów z firmą, jego profilu psychologicznym (skłonność do robienia zakupów, do ryzyka, jego wizerunek) jak również jego wydarzeń życiowych takich jak: (studia, narodziny dziecka, praca) oraz danych demograficznych.
Dobre praktyki 