Prezentacja programu PowerPoint

Bazy danych

 Hurtownie danych
 Architektura hurtowni

danych

 Zastosowania HD

BAZY DANYCH

Wykład 11

BAZY DANYCH W ZARZĄDZANIU.

HURTOWNIE DANYCH

Bazy danych

ISTOTA INFORMACJI

Cel nadrzędny każdej organizacji: trwanie - trwanie na rynku
konkurencji.

Dla zachowania konkurencyjności, współczesne korporacje
muszą być w stanie:

  określić ryzyko w działalności korporacji;
  zoptymalizować procesy zarządzania;
  maksymalizować  zysk  na  bardzo  konkurencyjnym  rynku  ze  świadomymi
klientami;
  umieć  określić  i  natychmiast  odpowiadać  na  zmiany  i  możliwości,  jakie
stwarza rynek;
  adaptować  się  do  zmian  na  rynku  w  technologii,  bez  konieczności
restrukturyzacji

całej korporacji.

Kluczowym elementem, pozwalającym wykonać te zadania jest posiadanie
prawidłowej informacji we właściwym czasie – możliwość podejmowania
właściwych decyzji.

Rozwiązanie

problematyki

system,

który

integrowałby

czynniki

technologiczne oraz umożliwiałby dostęp do informacji gromadzonej w różnych
źródłach.

Informacja ta musi być spójna i dokładna, posiadając jednocześnie wartość dla
przedsiębiorstwa.

Bazy danych

TYPY DANYCH

Dane operacyjne

– stanowią element dynamiczny, podlegający ciągłym

zmianom i aktualizacjom.

Dane te reprezentują informację aktualną w określonym momencie czasowym,
określają one więc stan bieżący, mogący ulegać zmianie w każdej chwili.

Dane analityczne

- dane historyczne, zwykle pozostające niezmienione. Ich

zmiana jest możliwa tylko w przypadku wykrycia błędu w danych oryginalnych.

Dane analityczne są zwykle budowane z danych operacyjnych (nie muszą jednak
pochodzić z samej korporacji) i mogą być używane do wyczerpującej analizy
procesów zachodzących w korporacji na przestrzeni czasu.

Dane  analityczne  gromadzone  w  analitycznych  bazach  danych  są  często
wykorzystywane  do  podejmowania  decyzji  (strategicznych,  taktycznych).
Ponadto  wymagane  są  jeszcze  systemy  informatyczne,  pozwalające  dokonywać
różnego

rodzaju

analiz

(np.

wyszukania

pewnych

prawidłowości,

przeprowadzenia obliczeń, wykonania symulacji).

Jedną z kategorii systemów informatycznych, które wykorzystują dane
analityczne do wspomagania decyzji są

informatyczne systemy wspomagania

decyzji

, czyli

systemy klasy DSS

Bazy danych

SYSTEMY DSS

System wspomagania podejmowania decyzji (DSS)

jest systemem, którego

zadaniem jest dostarczenie użytkownikowi informacji umożliwiających
zanalizowanie sytuacji i podjęcie decyzji (czyli wspomaganie pracowników w
podejmowaniu decyzji – czyniąc pracę bardziej efektywną).

Proces podejmowania decyzji może być długotrwały i mieć strategiczny
charakter (np. kilkuletnia analiza sprzedaży określonych produktów w celu
wprowadzenia na rynek nowych produktów i usług).

Proces podejmowania decyzji może być krótkotrwały i mieć charakter taktyczny
(np.

rewidowanie

i zmienianie liczby zalecanych zamówień danego produktu).

Systemy dostarczające informacje, które sprawiają, że pracownicy są lepiej
przygotowani do podejmowania przemyślanych decyzji, to systemy wspomagania
podejmowania decyzji.

Bazy danych

CELE SYSTEMÓW DSS

System wspomagania decyzji powinien realizować następujące

zasady:

Głębia informacji - przegląd informacji od najwyższego do najniższego
poziomu; użytkownik może przeglądać zarówno globalne zestawienia
informacji, jak i najdrobniejsze szczegóły dotyczące jednostek wchodzących
w skład tych zestawień.

Porównywanie informacji - łatwe porównywanie informacji na podstawie
wspólnych cech, (np. porównanie zarobków w zadanych okresach czasu, dla
określonej kategorii pracowników).

Użyteczność informacji - zastosowanie w rozwiązywaniu problemów firmy,
musi być w jakiś sposób użyteczna dla firmy. Sama ilość zebranej informacji
nie gwarantuje jej użyteczności.

Punktualność informacji - informacja użyteczna ze względu na treść, ale
uzyskana zbyt późno, może być bezwartościowa (np. podsumowanie I
kwartału roku wykonane na koniec II kwartału, wskazujące na ucieczkę
klientów do konkurencji, jest całkowicie bezwartościowe).

Szybka analiza - analiza danych na wiele sposobów; każde zapytanie musi
być wykonane szybko, aby zestaw skomplikowanych zapytań był wykonany
w rozsądnym czasie.

Dostępność informacji – prezentowanie informacji w języku biznesu, a nie
w języku systemów analitycznych (analizy przy użyciu słów i języka
zrozumiałego dla użytkownika).

Bazy danych

HURTOWNIE DANYCH

Hurtownia danych

(data warehouse, DW) to analityczna baza danych

wykorzystywana jako podstawa systemu wspomagającego podejmowanie decyzji.
Hurtownię projektuje się dla dużej liczby stałych danych. Zapewnia ona dostęp
do informacji, które będą wykorzystane podczas wypracowywania decyzji.

Hurtownia danych

jest zestawem narzędzi pozwalających kierownikom,

dyrektorom  i  analitykom  szybciej  i  skuteczniej  podejmować  decyzje.
Podstawowym  celem  HD  jest  dostarczenie  właściwych  informacji,  właściwym
kosztem,  we  właściwym  miejscu  i  czasie,  by  na  ich  podstawie  można  było
podejmować właściwe decyzje.

Tradycyjne  systemy  transakcyjne  (online  transaction  processing,  OLTP)  nie  są
najskuteczniejszym  narzędziem  wspomagającym  podejmowanie  decyzji,  z  kolei
samo  wykorzystanie  szybkich  połączeń  sieciowych  nie  rozwiąże  problemu
sprawnego dostępu do informacji.

Hurtownie danych stanowią platformę integrującą dane pochodzące z różnych
źródeł i umożliwiającą ich przetwarzanie analityczne (online analytic processing,
OLAP).

Bazy danych

HURTOWNIE DANYCH - UMIEJSCOWIENIE

Hurtownia danych gromadzi wybrane informacje i pozwala na szybszy, tańszy i
efektywniejszy do nich dostęp, stanowiąc rodzaj długookresowego bufora między
systemami OLTP a OLAP.

Rys. HD jako element pośredni między przetwarzaniem transakcyjnym a przetwarzaniem analitycznym

1. W jaki sposób ujednolicać strumień danych napływających z różnych źródeł?
2. Jak dostosować sposób przechowywania informacji do konkretnych

programów typu OLAP?

Budowa hurtowni danych determinowana jest kompromisem między tymi dwoma
zadaniami, zmieniającym się ciągle zgodnie z zapotrzebowaniem rynkowym.

Hurtownie danych nie mogą, więc być wytwarzanymi masowo „produktami z
półki" i zawsze wymagają indywidualnego zaprojektowania i optymalizacji z
uwzględnieniem potrzeb klienta.

Tradycyjne techniki projektowania baz danych nie uwzględniają wielu czynników
charakterystycznych dla HD, np. problem wyboru źródła danych, zależności
czasowe, agregacje, kontrola nadmiarowości.

Bazy danych

ARCHITEKTURA HURTOWNI DANYCH

Strukturę HD tworzą kolejne warstwy danych (dane jednej warstwy są
pochodnymi warstwy niższej).

Rys. Ogólna architektura HD

Źródła  danych  (operacyjne  bazy  danych)  -
najniższa  warstwa;  usystematyzowane  dane
przechowywane  w  otwartych  systemach  baz
danych,  dane  nieuporządkowane  lub  częściowo
uporządkowane, przechowywane w plikach.

Środkową warstwę zajmuje „globalna" hurtownia
danych, nazywana też hurtownią podstawową
lub

centralną

zbiór

zintegrowanych,

nieulotnych,

ukierunkowanych

baz

danych

stanowiący podstawę DSS (dane atomowe,
podsumowania).

Kolejną warstwę stanowią „lokalne" hurtownie
-

dane

silnie

zagregowane,

będące

podsumowaniem informacji z globalnej hurtowni.
Przeznaczone

są

bezpośredniego

wykorzystania

zarządzaniu,

planowaniu

długoterminowym,

analizach

historycznych,

analizach trendów, przetwarzaniu informacji i
analizach zintegrowanych.

Lokalne hurtownie danych, np.

 hurtownie tematyczne (data marts, składnice

danych, hurtownie oddziałowe)

 bazy danych OLAP.

Bazy danych

HURTOWNIE TEMATYCZNE

Hurtownie tematyczne

to niewielkie hurtownie, zawierające wycinek pełnej

informacji zgromadzonej w hurtowni globalnej.

Mogą być np. używane przez jeden z oddziałów firmy i dotyczyć tylko informacji
o tym oddziale (np. dział marketingu - informacje o klientach, transakcjach i
sprzedawanych produktach), podczas gdy globalna HD powinna też obejmować
dane na temat zatrudnionych w firmie, działach itp.

Tematyczne HD mogą być zaimplementowane jako relacyjne bazy danych lub
specjalne struktury wielowymiarowe.

Różnice pomiędzy globalnymi hurtowniami danych a lokalnymi
hurtowniami tematycznymi:

Globalne HD - efekt złożonego procesu ekstrakcji, integracji i transformacji
danych;

Hurtownie tematyczne – wynik procesu transformacji i agregacji danych z
globalnej HD.

Dane w globalnej HD - szczegółowe, obszerne, słabo zagregowane;

Dane w lokalnych hurtowniach tematycznych - silnie zagregowane, mniejsze
rozmiary.

Bazy danych

MAGAZYN DANYCH OPERACYJNYCH (ODS)

Magazyn danych operacyjnych

(operational data store, ODS) - warstwa

pośrednia pomiędzy warstwą danych źródłowych a globalną hurtownią danych.

Warstwa ODS zawiera zintegrowane dane tematyczne, aktualne (ulotne) i
szczegółowe.

ODS zawiera zwykle wyniki transformacji, integracji i agregacji danych ze
źródeł, podobnie jak globalna hurtownia danych (ODS jest zbiorem
zmaterializowanych perspektyw relacyjnych).

Główne różnice między ODS a hurtownią danych są następujące:

ODS jest aktualizowany o wiele częściej niż hurtownia danych;

zawiera znacznie aktualniejsze informacje;

stopień agregacji (ziarnistości) danych jest znacznie mniejszy (dane mogą
być np. w niewielkim tylko stopniu podsumowane).

Baza  metadanych  jest  pomocna zarówno  dla  administratora, jak i  projektanta
hurtowni  danych  (duża  złożoność  HD  -  architektura  (fizyczna  i  logiczna)  może
być bardzo  skomplikowana,  ilość danych  ogromna i  mogą być  stosowane  różne
metody  ekstrakcji,  transformacji,  agregacji,  czyszczenia  i  przechowywania
informacji

Bazy danych

PROJEKTOWANIE HD

Projektowanie hurtowni danych jest trudnym zadaniem, należy rozwiązać
wiele problemów:

pogodzić semantycznie informacje pochodzące z różnych źródeł i połączyć je
we wspólny model hurtowni danych przedsiębiorstwa

zaprojektować logiczną strukturę relacji w podstawowej części hurtowni
danych;

uwzględnić  problemy  techniczne  związane  z  samym  projektowaniem
(wybów  sposobu  reprezentacji  tablic,  procesów,  indeksów,  podziałów
danych,  logicznego  schematu  hurtowni,  zapewnienie  sprawności  całego
systemu);

wyboru bazy sprzętowej i tworzenie oprogramowania.

Projektowanie HD nie kończy się z chwilą jej wdrożenia, ale stanowi stałą część
cyklu życia systemu.

Stosowane metodologie projektowania hurtowni danych: projektowanie metodą
zstępującą (top-down) i wstępującą (bottom-up).

Ogólny kształt ostatecznego schematu hurtowni danych:

pierwsza warstwa - ODS (czyszczenie i transformację danych);

zdenormalizowana, gwiaździsta baza danych – miejsce przechowywania
danych

Bazy danych

ZASILANIE DANYMI HD

Dostęp do danych z wielu różnorodnych źródeł informacji:

systemów baz danych (relacyjnych, obiektowych, hierarchicznych,
sieciowych, itp.);

źródeł

zewnętrznych

(np.

innych

przedsiębiorstw,

instytucji

gromadzących dane, itp.);

plików standardowych typów (np. Microsoft Excel, programy napisane w
języku COBOL, itp.);

innych dokumentów (Microsoft Word, strony WWW).

Programy do przenoszenia danych ze źródeł do HD:

tłumaczące (wrappers)

ładujące (loaders);

integrujące (mediators).

Ponadto programy ekstrahujące dane mogą analizować informacje źródłowe pod
kątem przyczyn występowania wartości nietypowych (odstających), być może
błędnych.

Bazy danych

PROGRAMY ETL

Narzędzia z tej grupy, handlowo zwanej programami ekstrakcji-transformacji-
ładowania (ETL, extraction-transformation-load), automatyzują lub ułatwiają
następujące rodzaje zadań:

–

ekstrakcja (dostęp do różnorodnych źródeł danych),

–

czyszczenie (wykrywanie i rozwiązywanie niespójności danych źródłowych),

–

transformacje (np. pomiędzy różnymi formatami danych, językami),

–

ładowanie (wprowadzanie danych do hurtowni),

–

replikacja (tworzenie kopii danych źródłowych w hurtowni danych),

–

analiza (np. wykrywanie w danych wartości nieprawidłowych lub

nieoczekiwanych),

–

szybki transfer danych (ważne w przypadku bardzo dużych hurtowni

danych),

–

kontrola jakości danych (np. z punktu widzenia kompletności i

poprawności),

–

analiza metadanych (pod kątem wykorzystania ich w projektowaniu

hurtowni danych)

Bazy danych

WIELOWYMIAROWE DANE Z HD

Narzędziami pozwalającymi na dostęp i wykorzystanie informacji sumarycznych
zebranych w hurtowni są programy typu OLAP.

Zwykle uzyskanie sumarycznej informacji z bazy znormalizowanej za pomocą
narzędzi OLAP wymaga wielu złożonych zapytań z wielokrotnym łączeniem i
agregacjami, co powoduje przeciążenie relacyjnej bazy danych.

Typowe operacje wykonywane przez narzędzia OLAP obejmują:

–

raportowanie i wykonywanie zapytań,

–

wykorzystanie systemów informacji geograficznej (GIS),

–

eksplorację danych (data mining), czyli wykrywanie trendów i regularności
w danych,

–

wspieranie decyzji (decision support systems, DSS),

–

dostarczanie informacji kadrze zarządzającej (executive Information
systems, EIS),

–

analizy statystyczne.

–

zwijanie (roli up, podnoszenie poziomu agregacji, czyli uogólnienia danych),

–

rozwijanie (drill down, obniżanie poziomu agregacji danych),

–

selekcja (slice) i projekcja (dice) wymiarów,

–

tablice przestawne (pivot, obracanie kostek danych).

Poza tymi podstawowymi operacjami OLAP hurtownie danych umożliwiają:

Bazy danych

SZBD DLA HD

Wykorzystuje się dwa rodzaje SZBD dla HD:

–

systemy superrelacyjne,

–

systemy wielowymiarowe.

Superrelacyjne systemy zarządzania bazą danych

Rozszerzenie RDBMS w kierunku współpracy z narzędziami OLAP za pomocą
tzw. funkcji superrelacyjnych (rozszerzenie formatów przechowywania danych,
operacji relacyjnych i wyspecjalizowanych schematów indeksowania).

Zmniejszenie czasu wykonywania zapytań na potrzeby OLAP zostało osiągnięte
poprzez przechowywanie danych w strukturze gwiazdy (lub płatka śniegu).

Uzyskany w ten sposób model danych może być bardzo złożony (ukryta
złożoność za pomocą specjalnych mechanizmów ukierunkowanych na zapytania
(architektura ROLAP (Relational OLAP)).

Wielowymiarowe systemy baz danych (multidimensional database
systems, MDDB)

Wspieranie sposobu, w jaki narzędzia OLAP prezentują i przetwarzają dane.
OLAP - proces, który wymaga analizy dużej ilości złożonych, powiązanych
danych - tworzenie różnych przekrojów.

MDDB przechowuje dane w postaci kostek n-wymiarowych. Każdy wymiar
reprezentuje jedną perspektywę użytkownika.

Bazy danych

DESKTOP OLAP, HOLAP

Segment  produktów  tanich,  czyli  desktop  OLAP,  skupia  się  na  efektywnej  i
wygodnej  dla  użytkownika  analizie  względnie  niewielkich  kostek  danych
przechowywanych  na  komputerach  klienckich.  W  tym  przypadku  MDDB  jest
jedynie  pośrednikiem  wykorzystującym  dane  zgromadzone  w  (relacyjnej)
hurtowni  danych  i  oferującym  użytkownikowi  końcowemu  możliwości
analityczne.

Segment  produktów  drogich,  obejmujących  rozwiązania  typu  HOLAP
(hybrydowe,  hybrid  OLAP),  zapewnia  pełną  integrację  relacyjnej  hurtowni
danych  (gdzie  priorytetem  jest  skalowalność)  z  modelem  wielowymiarowym
(gdzie  priorytetem  jest  efektywność  zadań  OLAP)  w  ramach  jednej,  złożonej
architektury.

Bazy danych

SPECYFICZNE ZASTOSOWANIA OLAP

Dziedziny zastosowań systemów OLAP można podzielić ze względu na
zadania biznesowe:

–

raportowanie i przetwarzanie zapytań związanych z typowymi zadaniami

związanymi

z kierowaniem przedsiębiorstwa,

–

analiza problemów i możliwości (nazywana też Business Intelligence),

–

planowanie,

–

doraźne zadania z dziedziny eksploracji danych lub projektów analitycznych.

Dwie ważne dziedziny zastosowań:

–

analizy sprzedaży i obsługi klientów;

–

aporty i analizy finansowe oraz konsolidacja.

Bazy danych

STRUKTURA FIZYCZNA HD

Wyróżnia się trzy podstawowe kształty architektury hurtowni danych:

–

centralizowana,

–

federacyjna,

–

warstwowa.

Rys. Architektura scentralizowana HD

W architekturze scentralizowanej wszystkie dane wykorzystywane do analiz w
przedsiębiorstwie przechowywane są w jednej hurtowni danych.

Bazy danych

STRUKTURA WARSTWOWA HD

Architektura  warstwowa  zakłada,  że  hurtownia  globalna  jest  rzeczywistą,
fizyczną  bazą  danych.  Hurtownię  globalną  uzupełniają  kolejne  poziomy
lokalnych  tematycznych  hurtowni  danych,  zawierających  kopie  danych
poprzedniej  warstwy  lub  ich  podsumowania  (z  pominięciem  szczegółów,
obecnych np. w strukturze federacyjnej).

Rys. Architektura warstwowa HD

Struktura warstwowa może również dotyczyć źródeł danych.

Bazy danych

KORZYŚCI Z ROZPROSZONEJ ARCHITEKTURY HD

Korzyści z rozproszonej architektury hurtowni danych obejmują:

a) krótszy czas działania, gdyż dane są umiejscowione bliżej użytkownika

końcowego,

b) zmniejszenie przeszukiwanego obszaru danych.

Konieczność

użycia

architekturze

rozproszonej

wielu

systemów

komputerowych  może,  wbrew  pozorom,  obniżyć  koszty  całego  systemu  ze
względu  na  niższe  wymagania  (tylko  część  danych  przechowywana  jest  w
jednym  miejscu,  a  zapytania  wykonywane  są  równolegle  na  różnych
komputerach), a więc niższe ceny sprzętu i oprogramowania.

Duże znaczenie ma skalowalność systemów przeznaczonych do obsługi hurtowni
danych. Ze względu na to, że hurtownie danych nie są systemami statycznymi i
zwykle rosną z czasem, wybrana architektura musi zapewniać łatwość
rozszerzania i przebudowywania struktury systemu.

Bazy danych

METADANE

Metadane  odgrywają  istotną  rolę  w  budowie  i  działaniu  hurtowni  danych.  Aby
efektywnie  uzyskać  cenne  informacje  z  hurtowni,  konieczna  jest  wiedza  o  jej
zawartości  i  fizycznym  rozmieszczeniu  danych.  Oprócz  informacji  o  położeniu
poszukiwanych przez użytkownika danych, baza metadanych może zawierać:

–

słowniki danych, zawierające definicje baz danych i relacji między
elementami danych,

–

informacje o przepływie danych, np. o kierunku i częstotliwości napływu
nowych porcji,

–

informacje o transformacji danych, wykonywanej podczas ich przenoszenia,

–

numery wersji przechowywanych metadanych, informacje o modyfikacjach,

–

statystyki użycia danych (profil danych),

–

nazwy nadane poszczególnym polom w bazie

–

uprawnienia użytkowników dotyczące dostępu do danych.

Metadane są przechowywane w wydzielonej bazie danych, do której mają dostęp
wszystkie inne składniki HD. Ze względu na powszechność dostępu do
metadanych, zachodzi potrzeba ujednolicenia ich formatu.

Organizacja

Metadata

Coalition

zaproponowała

standard

Metadata

Interchange Specification, natomiast Microsoft wprowadził program
Microsoft Repository jako składnik pakietu Office, zawierające pewne modele
używane w HD.

Bazy danych

ZARZĄDZANIE PROJEKTEM

Projekty obejmujące stworzenie i wdrożenie hurtowni danych mogą mieć
rozmiary od średnich do bardzo dużych i ich prowadzenie ma często zasadniczy
wpływ na funkcjonowanie firmy.

Rozkład kosztów pomiędzy poszczególne zadania projektowe i administracyjne
jest zbliżony do zaprezentowanego na rys. poniżej.

Rys. Koszty projektowania HD

Przyczyny niepowodzeń projektowania HD:
- niedostatek literatury przedmiotu;

- niedoszacowanie wymagań sprzętowych i programowych;

Problemy techniczne narastają w miarę powiększania się wielkości HD i liczby
użytkowników.

Bazy danych

KORZYŚCI Z WDROŻENIA HD

Gdy zrozumie się, czym różni się hurtownia danych od tradycyjnego systemu
przetwarzania operacyjnego, pytaniem staje się:

– Dlaczego poświęcać czas, pracę i pieniądze na stworzenie takiego monstrum?
– Jakie nowe wartości wniesie do organizacji przedsiębiorstwa?

Główne korzyści ze stworzenia hurtowni danych są następujące:

– Zintegrowany i całościowy obraz przedsiębiorstwa.

– Dostęp do archiwalnej informacji o przedsiębiorstwie.

– Wewnątrz przedsiębiorstwa jednoznaczne źródło informacji, które jest godne

zaufania.

– Wspomaganie podejmowania decyzji bez ingerencji w systemy przetwarzania

operacyjnego.

Bazy danych

ZASTOSOWANIA HURTOWNI DANYCH

Hurtownia danych musi przynosić widoczne korzyści

w działalności firmy !!!

Najbardziej oczywiste korzyści dają zastosowania, które maksymalizują
dochodowość firmy w sposób umożliwiający jej zmierzenie i odniesienie
bezpośrednio do wyników finansowych firmy.

Hurtownie  danych  dostarczają  informacji  mających  istotny  wpływ  na
działalność  przedsiębiorstwa.  Często  modele  biznesowe  i  strategie
opracowane  dla  hurtowni  danych  stają  się  częścią  systemów
produkcyjnych.

Dobrze zaprojektowana hurtownia danych umożliwia więcej niż jedno jej
zastosowanie, tak więc zwrot nakładów nie ogranicza się do jednego
obszaru.

Bazy danych

WYKRYWANIE OSZUSTW

Pomysł polega na opracowaniu (na podstawie możliwości hurtowni)
algorytmu wykrywania oszustw, a następnie wykorzystania go w
systemach operacyjnych.

Wykorzystując dane archiwalne z hurtowni tworzy się modele do
przewidywania schematów oszustw, tak aby można je było wykryć przed
wystąpieniem wielkich strat z ich powodu.

Przykład:

Dokonywanie zakupów z wykorzystaniem kart kredytowych.

Posiadacze kart wykazują powtarzające się wzorce zachowań w tym, co kupują,
gdzie, kiedy i ile wydają.

Łatwo jest wykryć oszustwo, przyglądając się nieregularnościom w przyjętych
wzorcach zachowań (duże zakupy w krótkim czasie, inne miejsca zakupów, itp.)

Informacje z hurtowni danych wykorzystywane są w celu scharakteryzowania
wzorców oszustw i wzorców legalnego wykorzystania karty, a następnie
dostarczenie

odpowiednich

algorytmów

(oraz

kluczowych

zmiennych

archiwalnych) do systemów operacyjnych, aby zapobiegać oszustwom w czasie
rzeczywistym lub półrzeczywistym.

Bazy danych

UKIERUNKOWANY MARKETING

Hurtownia danych pozwala na indywidualizację rynku, w przeciwieństwie
do stosowanych strategii masowych.

Wykonanie skomplikowanych analiz informacji przechowywanej w
hurtowni danych umożliwia handlowcom ukierunkowanie sprzedaży na
wybrane grupy klientów, a nawet zindywidualizowaną sprzedaż.

Uzyskuje się informacje na temat demografii klientów, zachowań,
zapotrzebowań na produkt. Grupuje się klientów o podobnych cechach i
zachowaniu i dostosowuje się metody kontaktu z nimi.

Im  więcej  informacji  z  hurtowni  danych  będzie  osiągalnych  (z  szerokiej
populacji  klientów)  oraz  im  lepsze  zostaną  zastosowane  metody  ich
efektywnego  wykorzystania,  tym  stopień  indywidualizacji  marketingu
będzie wzrastał.

Gdy marketing jest ukierunkowany na pojedynczego osobnika,
prawdopodobieństwo pozytywnej reakcji wzrasta znacząco.

Bazy danych

ANALIZA RENTOWNOŚCI

Wykorzystanie hurtowni danych do określenia rentowności swojej firmy,

wskazania klientów dochodowych i niedochodowych.

Wykorzystując modele kosztów oparte na aktywności klientów i
szczegółowe informacje o ich dochodach, można ocenić dochodowość
każdego klienta.

Często bywa tak, że znaczny procent zysków firmy pochodzi od
niewielkiego procenta klientów (np. zasada 80/20).

Korzyściami stosowania hurtowni danych w tym przypadku jest
zidentyfikowanie mało rentownych klientów i opracowanie programów
umożliwiających przesunięcie ich do kategorii bardziej dochodowej.

Takie programy mogą polegać na:
 zmianie cen i restrukturyzacji pewnych ofert
 wykorzystaniu programów edukacyjnych do wpływania na zachowanie
klientów
  wprowadzeniu  nowych  produktów  i  usług  ukierunkowanych  na
niedochodowych
    klientów
  ucieczce  od  niedochodowych  klientów  w  celu  poprawienia  jakości
usług

dla

klientów dochodowych

Bazy danych

ZATRZYMYWANIE KLIENTÓW

Zatrzymanie istniejących klientów jest mniej kosztowne od zdobywania

nowych lub odzyskiwania klientów zabranych przez konkurencję.

Wykorzystując hurtownię danych, analitycy mogą opracować modele
oceny ryzyka, pozwalające na zidentyfikowanie klientów, którzy mogą
odejść zanim to się stanie.

Klienci wysyłają sygnały o swoich zamiarach na długo przed ich
spełnieniem – często zanim staną się tego świadomi.

Pytaniem dla usługodawcy jest, czy zbiera odpowiednie dane i czy
można je zinterpretować, tak aby były przydatne w programie
zatrzymywania klienta.

Modele oceny ryzyka mogą przewidywać dostatecznie wcześnie, co może
się zdarzyć w przyszłości, żeby temu zapobiec.

Program  zatrzymywania  klienta  może  polegać  na  specjalnych
promocjach,  telefonach,  listach  z  wyrazami  uznania  lub  też  na  akcji
marketingowej  mającej  na  celu  uświadomienie  i  przypomnienie  zalet
oferty firmy.

Bazy danych

ZARZĄDZANIE ZAPASAMI

Dobry handel polega na posiadaniu właściwych towarów we właściwym

miejscu, czasie i po właściwej cenie.

Kluczową  sprawą  dla  efektywnego  zarządzania  zapasami  jest  dostęp  do
informacji  o  wzorcach  popytu  i  zachowaniu  się  dostawców,  jak  i
podstawowe  informacje  dotyczące  marginesów  zysku  i  wymagań  na
powierzchnię magazynową.

Hurtownia  danych  wykorzystywana  w  zarządzaniu  zapasami  potrzebuje
danych  historycznych  z  co  najmniej 15  do 27  miesięcy,  aby  można było
określić  długofalowe  tendencje  w  sprzedaży  dla  poszczególnych
produktów i dla sklepu.

Zrozumienie wpływu sezonowości i możliwość odniesienia nowych
produktów do porównywalnych z przeszłości pozwala na całkiem
dokładne przewidywanie przyszłego popytu.

Dobry sprzedawca wykorzystuje różne analizy dla każdego sklepu
oddzielnie i ustala ofertę i jej wielkość dla lokalnych rynków.

Bazy danych

ANALIZA RYZYKA KREDYTOWEGO

Wraz z nasyceniem się rynku analiza ryzyka kredytowego staje się coraz

bardziej skomplikowana.

W celu dokładnego określenia ryzyka związanego z udzieleniem kredytu
każda większa firma kredytowa opracowuje modele ilościowe, oparte na
danych z przeszłości, umożliwiające przewidywanie zachowania się
osobników podczas spłacania kredytu.

Dokładniejsze modele opierają się na lepszej analityce i lepszym
dostępie do informacji o klientach występujących o kredyty.

Ocena ryzyka kredytowego może być szczególnie efektywna, gdy
standardowe dane biurowe uzupełnimy danymi pochodzącymi z
wewnętrznej hurtowni danych.

Przez zastosowanie poufnej wiedzy o zachowaniu klientów, pochodzącej z
wewnętrznych źródeł, możliwe jest opracowanie modeli przewyższających
dokładnością

oceny

oparte

informacjach

pozyskiwanych

zewnętrznych źródeł.

Zbieranie i utrzymywanie informacji z wielu systemów źródłowych w

hurtowni danych jest warunkiem powodzenia takiej strategii.

Bazy danych

DŁUGOTERMINOWA OCENA WARTOŚCI KLIENTA

Poznanie wartości związków z klientem, to coś znacznie więcej niż ocena

jego np. zeszłorocznej rentowności.

Mało dochodowy klient może stać się bardzo dochodowym lub
odwrotnie. Sztuką jest ocenienie który scenariusz jest bardziej
prawdopodobny.

Modele predykcyjne stosowane do oceny klienta są oparte na informacji
z hurtowni danych o zachowaniu się klienta, cechach psychologicznych,
demograficznych, itp.

Zachowanie klienta śledzi się w hurtowni danych poprzez takie
wydarzenia, jak zakupy, ankiety i inne kontakty z firmą.

Informacje o kliencie uzupełnia się również danymi pochodzącymi ze
źródeł zewnętrznych (skłonności do robienia zakupów, profile ryzyka,
itp.)

Hurtownia danych umożliwia zarówno ocenianie prognostyczne, jak i
dostarczanie informacji dla potrzeb marketingowych i do systemów
operacyjnych,

które

ułatwiają

zatrzymanie

potencjalnych

długoterminowych klientów.

Bazy danych

USTALANIE CENY

Ustalanie konkurencyjnej ceny zawiera w sobie rozpoznawanie popytu na

produkt, konkurencyjność rynku i granic rentowności.

Wszystkie te dane mogą pochodzić z hurtowni danych.

Popyt  na  produkt  można  określić  na  podstawie  danych  z  przeszłości,  z
uwzględnieniem  warunków  rynkowych  i  sezonowości.  Ustalanie
konkurencyjnej  ceny  polega  także  na  zbadaniu  cen  produktów
zastępczych i alternatywnych wyborów dokonywanych przez klientów.

W  decyzjach  dotyczących  cen  należy  również  brać  pod  uwagę  granice
rentowności. Na podstawie informacji z hurtowni danych, często buduje
się  skomplikowane  modele  pozwalające  ustalić  strukturę  cen  w  taki
sposób, żeby zmaksymalizować dochody.

Document Outline