Depozide de Date

1 - INTRODUCERE

"Informaţia în vârful degetelor" este un slogan publicitar, apărut la începutul anilor 1990, care reflectă foarte sugestiv faptul că întreprinderile au început, din ce în ce mai mult, să înţeleagă faptul că informatica şi mai ales informatica decizională, reprezintă un adevărat capital. Poate cel mai de preţ capital al unui întreprinzător.

Conducătorii întreprinderilor au început să-şi de seama de valoarea instrumentului decizional pe care-l aveau în mână. Ei au început să folosească, din ce în ce mai mult, instrumentele de lucru decizionale din informatică: procesoarele de calcul tabelar, sistemele informatice de gestiune, sau sistemele expert.

Evoluţia informaticii decizionale de după 1990, a dus la apariţia numeroaselor concepte în informatică. Astfel de concepte sunt : cel de Data Warehouse (Depozit de date), Analiză multidimensională, Data Mart (Magazie de date), Data Mining (Forare automată a datelor), Drill down (Forare în adâncime), sau Drill through (Forare prin), ETL (Extract Transform Loading), Infocentre.

Definiţiile acestor concepte ar fi cele de mai jos.

Data Warehouse este o colecţie de date1, ce priveşte activitatea întregii întreprinderi, în care datele sunt centralizate şi organizate, pentru sprijinirea procesului de luare a deciziilor.

Analiză multidimensională, este un concept care defineşte analizele efectuate pe mai mult de trei dimensiuni (mulţime de date de acelaşi tip, sau chiar axe).

Data Mart este o colecţie de date, specifică modelului decizional, orientată pe subiect, dar care priveşte un singur domeniu. Un Data Mart poate să conţină datele duplicate ale unui Data Warehouse, dar şi date locale.

Data mining reprezintă prelucrări şi analize statistice ale colecţiilor de date, care permit stabilirea unor relaţii şi comportamente de tip.

Dacă, cu analiza multidimensională, în general ştim ce căutăm, cu Data Mining, nu ştim ce căutăm (forăm). Mai degrabă încercăm să stabilim corelaţii între date cu scopul obţinerii de noi cunoştinţe, de indicatori, de anomalii, corespondenţe etc., care pot pune în evidenţă tendinţa.

Din cauza volumului de date, tot mai mare şi mai ales a complexității datelor şi relaţiilor dintre ele, posibilitatea ca omul, chiar înarmat cu cele mai eficiente unelte de

1 În cazul depozitelor de date şi al magaziilor de date, ne vom feri să folosim conceptul de bază de date în definiţia lor. Asta, deoarece bazele de date au o serie de proprietăţi (normalizarea, de exemplu), care nu le au colecţiile de date.

raportare şi vizualizare, să descopere legături între diverse evenimente încapsulate în datele pe care le are la dispoziţie în sistemele sale, devine tot mai mică.

Aici intervin soluţiile de data mining, care descoperă şi verifică automat, sau semiautomat, legături între evenimente corelate.

Poate cel mai celebru exemplu de aplicaţii ale soluţiilor de data mining în business, este cel al unui supermarket care a încercat să descopere, cu ajutorul data mining-ului, corelaţii între produsele vândute pe acelaşi bon. Concluzia sistemului a fost că există o probabilitate foarte mare ca, odată cu achiziţionarea unui pachet de scutece pentru copii, să se cumpere şi un pachet de şase cutii de bere, mai ales dacă vânzarea va avea loc în cursul serii.

După ce s-a aprofundat situaţia, s-a concluzionat ca era vorba despre tăticii, trimişi la aprovizionarea de urgenţă cu scutece, care profitau de ocazie pentru a lua şi pachetul de bere. În urma acestei concluzii, supermarketul a avut grijă să existe întotdeauna, în apropierea raionului de scutece, cel puţin un stand cu bere şi astfel şi-au îmbunătăţit, atât vânzările de bere (pentru că au convertit mai mulţi cumpărători de scutece şi în cumpărători de bere), cât şi profitabilitatea.

Drill down sau (drill through) : un mecanism de navigare într-o structură multidimensională, ce permite parcurgerea structurii, de la global, la detaliu, cu ajutorul unor interogări de tip ierarhic.

Infocentrul, după unii autori, are următoarea definiţie “o colecţie de date orientate pe subiecte de analiză, integrate, volatile, actuale şi organizate, utilizată ca suport în procesul de asistare a deciziilor punctuale “.

Pornind de la această definiţie se observă diferenţa între cele două noţiuni infocentrul şi depozitul de date, dar şi apropierea dintre infocentru şi data mart.

Infocentrul s-a născut din necesitatea de a accesa datele din sistemele operaţionale.

Astfel, datele din sistemele de producţie sunt transferate infocentrului şi integrate, având ca scop principal, evitarea supraîncărcării sistemelor de producţie şi răspunsul cât mai rapid şi mai bine, la nevoile de analiză. Se întâlnesc foarte rar şi infocentre care consolidează date externe, cu datele interne întreprinderii.

Infocentrele sunt alimentate cu date din sistemele de producţie, moment în care, vechile date stocate în infocentru, sunt înlocuite de cele noi, fiind astfel imposibil să regăseşti valori calculate într-o sesiune prealabilă ultimei alimentări.

Astfel, obiectivul infocentrelor este şi acela de a lua decizii operaţionale bazate pe date curente, spre deosebire de depozitele de date, sau magaziile de date, care, pe lângă această posibilitate, oferă utilizatorului şi posibilitatea de accesa şi datele istorice, fapt ce-i permite acestuia, luarea de decizii pe termen lung şi analize de trend.

Ca o concluzie, infocentrul este un instrument, în timp ce depozitul, sau magazia de date, este o arhitectură.

Instrumentele de creare a unui Data Warehouse au ca obiectiv principal, acela de a-i permite utilizatorului să acceseze într-o manieră foarte simplă, şi ergonomică, un

server de date şi să valorifice informaţia extrasă de acolo. Acest instrument de sprijinire a deciziei trebuie să răspundă la marea diversitate a necesităţilor utilizatorului.

Interogatoarele permit utilizatorilor, în perfectă autonomie, un acces la informaţie, fără să se preocupe de modul de accesare a acesteia. Utilizatorii doresc, de asemenea, să analizeze datele puse la dispoziţia lor şi să vizualizeze informaţiile (indicatorii) în raport cu diferite axe de analiză. Acest lucru presupune să se bazeze pe o informaţie pre-împachetată şi bine structurată.

Instrumentele care răspund foarte bine acestor necesităţi, sunt cele de tip OLAP (On Line Analytical Processing), sau de tip Forare automată de date (Data Mining).

Mai mult, instrumentele de tip Data Mining merg şi mai departe, ele permit utilizatorului profesionist, să extragă cunoştinţe din datele sale, pe baza unui mecanism de inducţie.